PREDIKSI HARGA SAHAM MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN LONG SHORT-TERM MEMORY DENGAN METODE SLIDING WINDOW
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
ELVIN NUR FURQON
Subject
ARTIFICIAL INTELLIGENCE
Datestamp
2021-11-24 00:00:00
Abstract :
Dalam berinvestasi saham, analisis seperti fundamental analisis, teknikal analis, dan sentimen analisis merupakan kunci kesuksesan yang umum digunakan oleh trader. Butuh waktu dan usaha yang tidak sedikit untuk mempelajari ketiga analisis tersebut. Dalam penelitian ini menciptakan suatu program yang memberikan rekomendasi forcasting untuk membantu seseorang dalam menentukan jual dan beli suatu saham dari sudut pandang Computer Science & Artificial Intellegent (Machine Learning and Deep Learning) dengan menggunakan arsitektur Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN) karena dari kedua arsitektur tersebut dalam menangkap sebuah pattern sebuah data dan feature extraction dengan baik. Hasil dari penelitian ini menjelaskan apa yang dapat dan tidak untuk diprediksi dikarenakan tidak semua hal dapat diprediksi menggunakan deep learning, serta menciptakan sebuah model yang dapat memprediksi waktu jual beli suatu saham berdasarkan sudut pandang Computer Science & Artificial Intellegent (Machine Learning and Deep Learning), menggunakan model arsitektur Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN) dengan tingkat pendapatan / return rata-rata untuk LSTM sebesar Rp.556 dan CNN sebesar Rp.491 pada data test 20 hari.
Dalam berinvestasi saham, analisis seperti fundamental analisis, teknikal analis, dan sentimen analisis merupakan kunci kesuksesan yang umum digunakan oleh trader. Butuh waktu dan usaha yang tidak sedikit untuk mempelajari ketiga analisis tersebut. Dalam penelitian ini menciptakan suatu program yang memberikan rekomendasi forcasting untuk membantu seseorang dalam menentukan jual dan beli suatu saham dari sudut pandang Computer Science & Artificial Intellegent (Machine Learning and Deep Learning) dengan menggunakan arsitektur Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN) karena dari kedua arsitektur tersebut dalam menangkap sebuah pattern sebuah data dan feature extraction dengan baik. Hasil dari penelitian ini menjelaskan apa yang dapat dan tidak untuk diprediksi dikarenakan tidak semua hal dapat diprediksi menggunakan deep learning, serta menciptakan sebuah model yang dapat memprediksi waktu jual beli suatu saham berdasarkan sudut pandang Computer Science & Artificial Intellegent (Machine Learning and Deep Learning), menggunakan model arsitektur Long Short-Term Memory (LSTM) dan Convolutional Neural Network (CNN) dengan tingkat pendapatan / return rata-rata untuk LSTM sebesar Rp.556 dan CNN sebesar Rp.491 pada data test 20 hari.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
