Predicting Stock Price Using Technical Indicators With Convolutional Neural Network-Long Short Term Memory (CNN-LSTM)

ANINDITA K, Azhari, Drs., MT., Dr

2022 | Skripsi | S1 ILMU KOMPUTER

Jumlah investor pada pasar modal Indonesia telah meningkat secara signifikan sejak 2020. Bagi para investor, prediksi harga saham merupakan salah satu hal yang penting dalam membuat keputusan di pasar saham. Dalam studi ini, model Deep Learning CNN-LSTM diaplikasikan untuk kasus time series untuk memprediksi harga saham. Riset ini menggunakan data harga saham historis dari salah satu perusahaan terbesar di Indonesia, Bank BCA. Data harga saham di ekstraksi untuk mendapatkan indikator-indikator teknikal untuk dapat dipisahkan ke dalam beberapa set data tipe indikator yang berbeda; trend-following, oscillator, dan keduanya. Riset ini juga mengidentifikasi set data terbaik untuk masing-masing model dalam memprediksi harga saham. Performa dari model untuk masing-masing set data diukur dengan beberapa metriks; Mean Absolute Error, Root Mean Squared Error, Mean Absolute Percentage Error dan R-squared. Student's t-test juga digunakan untuk melihat signifikansi CNN-LSTM dibanding model lainnya dalam memprediksi harga saham. Studi ini membuktikan bahwa CNN-LSTM berhasil dalam menaikkan performa prediksi dibanding LSTM dan CNN

Jumlah investor pada pasar modal Indonesia telah meningkat secara signifikan sejak 2020. Bagi para investor, prediksi harga saham merupakan salah satu hal yang penting dalam membuat keputusan di pasar saham. Dalam studi ini, model Deep Learning CNN-LSTM diaplikasikan untuk kasus time series untuk memprediksi harga saham. Riset ini menggunakan data harga saham historis dari salah satu perusahaan terbesar di Indonesia, Bank BCA. Data harga saham di ekstraksi untuk mendapatkan indikator-indikator teknikal untuk dapat dipisahkan ke dalam beberapa set data tipe indikator yang berbeda; trend-following, oscillator, dan keduanya. Riset ini juga mengidentifikasi set data terbaik untuk masing-masing model dalam memprediksi harga saham. Performa dari model untuk masing-masing set data diukur dengan beberapa metriks; Mean Absolute Error, Root Mean Squared Error, Mean Absolute Percentage Error dan R-squared. Student's t-test juga digunakan untuk melihat signifikansi CNN-LSTM dibanding model lainnya dalam memprediksi harga saham. Studi ini membuktikan bahwa CNN-LSTM berhasil dalam menaikkan performa prediksi dibanding LSTM dan CNN

Kata Kunci : stock price prediction, CNN-LSTM, technical indicators, trend-following, oscillator