Analisis Kinerja Long Short-Term Memory, Peephole Connection LSTM dan Facebook’s Prophet dalam Memprediksi Pergerakan Harga Saham PT Telekomunikasi Indonesia Tbk

Peramalanpasar saham memilikikompleksitas yang tinggi, sehingga telahmenjadi objek studiselama bertahun-tahun karenamerupakan tugas yang sulit. Peningkatan penggunaan algoritma machine learningmenyebabkan evolusi teknikdan metodeberbedadalam ilmu pembelajaran mesin dari masakemasadalam membuat peramalankarenapergerakanhargadi pasarsahamsangatdinamis,sehingga memerlukan pemodelan data untuk melakukan prediksihargasaham agar mendapatkan hargadengan tingkat kesalahan yang rendah. Di dalam penelitian inimembahas 3 pemodelandata, yaituVanillaLong Short-Term Memory(LSTM), Peephole Connection LSTM, dan Facebook’s Prophet untuk meramalkan pergerakan hargasahamyang kemudian model dievaluasi dengan menghitungtingkat kesalahan/errorperamalan menggunakan Mean AbsoluteError (MAE) dan Root Mean Squared Error(RMSE). Hasilpenelitian menunjukkan bahwaPeephole Connection LSTMmemiliki performayang lebih baik dalam meramalkanpergerakan hargasaham, dibandingkan Vanilla LSTM dan Facebook’s Prophet berdasarkan nilai error testing untuk Vanilla LSTM dengan MAEsenilai223.219dan RMSE senilai 236.245, model PeepholeConnection denganMAEsenilai
113.166 dan RMSE senilai 121.475, danProphetdengan MAEsenilai 129.828 dan RMSE senilai 180.827.

Kata kunci:Peramalan, Recurrent NeuralNetwork, Long Short-Term Memory,Peephole Connection LSTM, ProphetFacebook, HargaSaham