Analisis Algoritma Transformer Dalam Prediksi Harga Saham Tesla

AGATHA PASKALINE PATINTINGAN. ANALISIS ALGORITMA TRANSFORMER DALAM PREDIKSI HARGA SAHAM TESLA Latar Belakang. Pasar saham memiliki sifat yang dinamis dan penuh ketidakpastian, sehingga prediksi harga saham menjadi tantangan penting bagi investor dalam pengambilan keputusan. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Transformer dalam memprediksi harga saham Tesla. Tujuan. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Transformer dalam memprediksi harga saham Tesla berdasarkan data historis, dengan melakukan evaluasi menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Selain itu juga bertujuan untuk membandingkan performa prediksi algoritma Transformer dengan beberapa pendekatan machine learning lain yang telah digunakan dalam peramalan harga saham Tesla, untuk mengetahui apakah Transformer mampu memberikan hasil yang lebih unggul. Metode. Metode yang akan digunakan adalah Transformer. Hasil. Hasil penelitian menunjukkan bahwa model Transformer memiliki performa prediksi yang sangat baik dalam memodelkan harga saham Tesla. Berdasarkan hasil evaluasi, model ini menghasilkan nilai RMSE sebesar 4,80 pada data pelatihan dan 12,56 pada data pengujian, serta MAPE sebesar 2,39% pada data pengujian, yang menandakan tingkat kesalahan prediksi yang rendah. Jika dibandingkan dengan model lain seperti Linear Regression, KNN, dan LSTM, Transformer menghasilkan tingkat kesalahan prediksi yang jauh lebih rendah. Temuan ini menunjukkan bahwa arsitektur Transformer mampu mengenali pola historis harga saham dengan lebih efektif, sehingga berpotensi menjadi pendekatan yang unggul dalam peramalan pasar saham yang kompleks dan dinamis.