Abstract:
Seorang investor saham tentunya melakukan investasi untuk mendapatkan keuntungan yang
setinggi-tingginya dan kerugian yang serendah-rendahnya. Namun, adanya tingkat fluktuasi yang dimiliki oleh harga saham tetap menjadi salah satu pertimbangan investor untuk menginvestasikannya.
Salah satu cara untuk mencapai target yang diinginkan adalah dengan memprediksi
harga saham tersebut. Berbagai metode sudah dapat digunakan untuk melakukan prediksi
saham, contohnya adalah dengan memanfaatkan pembelajaran mesin. Salah satu metode dalam
pembelajaran mesin yang dapat menangani data kompleks adalah neural network. Long Short-Term Memory (LSTM) merupakan bentuk khusus dari neural network yang memiliki kemampuan lebih untuk mengingat data dalam jangka waktu panjang. Selain itu, ada pula model Transformer yang merupakan model neural network pertama yang menggunakan mekanisme self-attention di dalamnya. Kedua model ini digunakan untuk memprediksi harga saham BBRI pada jangka waktu pendek dan panjang. Dari penerapan data latih dan data validasinya, diperoleh hasil bahwa model LSTM lebih baik dari Transformer dengan nilai erornya sekitar 1% lebih rendah
pada kedua penerapan datanya. Namun untuk prediksi masa depan, Transformer unggul dengan nilai eror kurang dari 1,4% dan selisih hampir 6,5% dengan LSTM pada prediksi jangka waktu terpanjangnya. Transformer dengan proses pembelajaran yang tidak terpaku secara sekuensial seperti LSTM ini dapat memprediksi harga di masa depan untuk jangka pendek dan panjang
dengan lebih akurat.
