Perbandingan ARIMA, Geometric Brownian Motion, dan LSTM untuk Memprediksi Harga Saham Jangka Pendek.

Abstract

Investasi dalam dunia keuangan mempunyai definisi penanaman modal berupa uang atau aset berharga sehingga nilai modal tersebut bertambah pada masa depan. Saham merupakan salah satu aset berharga yang sering diperjual belikan pada pasar modal, saham mempunyai pergerakan harga yang tinggi oleh karena itu saham mempunyai risiko yang besar. Seorang investor akan melakukan analisis perusahaan atau hingga membuat model untuk memproyeksi harga saham di kemudian hari. Karya ilmiah ini menggunakan tiga metode, yaitu model Autoregressive Integrated Moving Average (ARIMA), simulasi Monte Carlo, dan model Long Short-Term Memory Neural Network (LSTM), untuk memproyeksi harga saham BCA tujuh hari ke depan dan melihat metode mana yang mempunyai akurasi paling tepat. Mean Absoloute Percentage Error (MAPE) digunakan untuk mengukur akurasi proyeksi ketujuh hari tersebut. Metode ARIMA mempunyai MAPE sebesar 0.6165%, Geometric Brownian Motion dengan Simulasi Monte-Carlo sebesar 0.7130%, dan LSTM sebesar 1.7689%. Berdasarkan hal tersebut LSTM adalah metode terburuk sementara ARIMA dan simulasi Monte-Carlo berada pada peringkat sama karena hasil t-test tidak menunjukkan cukup bukti untuk menolak akurasi kedua metode tersebut sama.