Scribd
Upload
84 views

Implementasi Gated Recurrent Unit (Gru) Untuk Prediksi Harga Saham Bank Konvensional Di Indonesia

This document discusses using a Gated Recurrent Unit (GRU) model to predict stock prices of conventional banks in Indonesia. It analyzed stock price data from 4 state-owned banks (BRI, BNI, BTPN, Mandiri) over 5 years. The GRU model was trained and tested on this data, with the Root Mean Square Error (RMSE) calculated to evaluate prediction accuracy. Testing results found the lowest RMSE value for BTPN bank stock predictions, followed by BRI, BNI, and Mandiri, indicating the GRU model was moderately effective at predicting stock prices of these banks.

Uploaded by

Wayan Kelor
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
84 views

Implementasi Gated Recurrent Unit (Gru) Untuk Prediksi Harga Saham Bank Konvensional Di Indonesia

This document discusses using a Gated Recurrent Unit (GRU) model to predict stock prices of conventional banks in Indonesia. It analyzed stock price data from 4 state-owned banks (BRI, BNI, BTPN, Mandiri) over 5 years. The GRU model was trained and tested on this data, with the Root Mean Square Error (RMSE) calculated to evaluate prediction accuracy. Testing results found the lowest RMSE value for BTPN bank stock predictions, followed by BRI, BNI, and Mandiri, indicating the GRU model was moderately effective at predicting stock prices of these banks.

Uploaded by

Wayan Kelor
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
You are on page 1/ 8

JISTech (Journal of Islamic Science and Technology)

JISTech, 6(2), 42-49, Juli-Desember 2021

ISSN: 2528-5718

http://jurnal.uinsu.ac.id/index.php/jistech

IMPLEMENTASI GATED RECURRENT UNIT (GRU)


UNTUK PREDIKSI HARGA SAHAM BANK
KONVENSIONAL DI INDONESIA
Samsudin1, Aninda Muliani Harahap2, Sandra Fitrie3

1,2,3Universitas Islam Negeri Sumatera Utara, Medan, Indonesia


Email: [email protected]

ABSTRACT

Advances in technology, information and technology at this time are


growing rapidly, a lot of human work is facilitated by technology.
Technology has also developed in investment instruments, especially in
stock investments. Previously, when there was no technology, it would be
very difficult to predict the stock price of state-owned banks in the future
for ordinary people who do not understand fundamental or technical
analysis. However, with technology, especially in the field of Deep
Learning, it will be very possible to predict future stock prices without
having to understand fundamental or technical analysis. In this study,
stock price predictions of state-owned banks for the next 30 days were
made using the Gated Recurrent Unit (GRU) model on stocks of state-
owned banks in Indonesia, namely BRI, BNI, BTPN, and Mandiri bank
shares. The data used uses historical close price data on the stock for 5
years with a total of 1260 data. From the results of the research for test
data, the smallest RMSE value was found in BTPN bank shares of 23,91164
followed by BRI bank shares of 264,1475, BNI bank of 427,7984 and the
largest RMSE value in BMRI bank shares amounting to 907,4804

Keywords: Stocks, Gated Recurrent Unit (GRU), deep learning, RMSE

PENDAHULUAN
Mengutip dari laman resmi Bursa Efek Indonesia
https://www.idx.co.id/produk/saham/, investasi saham memiiki beberapa
resiko diantaranya yaitu, Capital Loss dimana suatu kondisi saat investor
menjual saham lebih rendah dibandingkan saat harga beli. Kemudian ada
Risiko Likuidasi atau dengan kata lain perusahaan yang dimiliki investor
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

dinyatakan bangkrut. Dengan mempertimbangkan risiko tersebut maka


investor perlu melindungi aset yang mereka punya dengan menganalisis
perusahaan, melakukan prediksi harga saham ke depan dan sebagainya.
Salah satu kiat dalam memprediksi harga saham di masa mendatang
adalah prediksi/forecasting. Hal ini dilakukan untuk meminimalisir
terjadinya kerugian bagi investor saham. Salah satu metode yang dilakukan
untuk melakukan peramalan yaitu menggunakan model Gated Reccurent
Unit (GRU).
Gated Recurrent Unit (GRU) merupakan model yang terbilang lebih
cepat dibandingkan model terdahulunya (LSTM) namun untuk kasus ini
dilakukan pendekatan menggunakan data harga saham Bank BUMN yang
fluktuatifnya cukup tinggi untuk melihat keefisienan model GRU pada data
saham tersebut [1].
Untuk memperlihatkan data valid dengan data uji maka pada
penelitian ini digunakkan RMSE sebagai tolak ukur keberhasilan trial-
error pada prediksi harga saham dimana semakin kecil nilai RMSE maka
semakin tinggi akurasi prediksi yang mampu dilakukan oleh model Gated
Recurrent Unit (GRU) [1].
Pada penelitian ini menggunakan 4 jenis saham Bank BUMN yaitu,
Bank BRI, Bank Mandiri, Bank BNI, dan Bank BTPN di mana saham-saham
tersebut sangat diminati oleh para investor dikarenakan fluktuasi harganya
yang cukup stabil dan terbilang saham blue chip.

LANDASAN TEORI
1. Prediksi/Forecasting
Prediksi merupakan upaya untuk memperkirakan atau meramalkan
suatu hasil yang mana hasilnya didapatkan dari informasi-informasi yang
terjadi sebelumnya atau di masa lampau menggunakan perhitungan
sistematis yang kemudian digunakan untuk memutuskan suatu peramalan
di masa mendatang [2].

2. Saham
Saham merupakan salah satu instrument investasi yang menarik

43
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

dikarenakan investasi pada jenis ini bisa memberikan hasil yang fantastis
namun investasi ini juga cukup beresiko dikarenakan kita harus mampu
melakukan analisis untuk memilih saham-saham potensial yang akan
membuat kita bisa untung di masa depan [1jurnalsahampdf]. Melihat
fluktuasi pada IHSG (Indeks Harga Saham Gabungan) dapat kita
simpulkan bahwa antusiasme masyarakat sangatlah tingi pada instrument
investasi ini [3].

3. Gated Recurrent Unit (GRU)


GRU merupakan revolusi dari metode sebelumnya yaitu LSTM (Long
Short Term Memory). GRU merupakan struktur sekuensial yang dirancang
dengan teliti sebagai upaya membuat trade-off yang baik antara kinerja dan
kecepatan. Pada GRU terdapat dua komponen pengatur informasi yaitu
reset gate dan update gate pada reset gate akan ditentukan bagaimana
untuk menggabungkan input baru dengan informasi di masa lampau
sedangkan update gate merupakan gate yang mengatur berapa banyak
informasi yang akan tetap disimpan [4].

METODE PENELITIAN
1. Dataset
Pada penelitian ini peramalan harga saham yang dilakukan
menggunakan historis data saham yang mana data tersebut merupakan
kumpulan historis harga selama 5 tahun yang terdiri dari data harga paling
tinggi, harga paling rendah, harga buka, harga tutup, dan volume [3].
Dataset yang digunakan yaitu data saham pada Bank BRI, Bank Mandiri,
Bank BNI, dan Bank BTPN di mana datanya diperoleh dari
https://finance.yahoo.com dalam format CSV (Comma Separated Values).

44
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

Gambar 1. Dataset Harga Saham

Gambar 2. History harga saham Bank BNI,BRI,BTPN,Mandiri

2. Arsitektur GRU
Arsitektur GRU yang digunakan pada penelitian ini terdiri dari 4
hidden layer dan satu dense layer.

Gambar 3. Arsitektur GRU Model

45
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

3. RMSE
RMSE (Root Mean Square Error) merupakan cara yang biasa
digunakan untuk mengetahui nilai loss atau nilai kesalahan pada prediksi.
Selain itu RMSE juga digunakan untuk melihat sebaran dan titik fokus data
di sekitar garis regressi linier [5]

HASIL DAN PEMBAHASAN


1. Training Data
Dari arsitektur GRU dengan jumlah epochs = 10 berikut merupakan
training yang dilakukan untuk menghitung nilai RMSE (Root Mean Square
Error) pada tiap epoch.

Gambar 4. Proses Training GRU

2. Testing GRU Model


Hasil pelatihan data yang dilakukan semula pada proses training
selanjutnya akan digunakan untuk pengujian/testing untuk menguji
keakurasian data uji dengan data latih. Berikut merupakan perbandingan
data valid dan data prediksi menggunakan dataset sebanyak 20%.

46
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

a. BTPN

Gambar 5. Perbandingan testing dan prediksi Bank BTPN

b. BRI

Gambar 6. Perbandingan testing dan prediksi Bank BRI

c. BNI

Gambar 7. Perbandingan testing dan prediksi Bank BNI

47
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

d. Mandiri

Gambar 8. Perbandingan testing dan prediksi Bank Mandiri

3. Nilai RMSE
Berikut merupakan perbandingan hasil RMSE harga prediksi dan
harga sebenarnya (actual) mulai dari data uji dan testing data selama 30
hari pada bulan 29-07-2021 sampai dengan 10-09-2021

Gambar 9. Daftar Nilai RMSE

KESIMPULAN
Pada penelitian yang peneliti lakukan dengan memprediksi harga
saham dimasa depan selama 30 hari menggunakan model Gated Recurrent
Unit (GRU) dapat disimpulkan cukup efisien dan dapat dijadikan acuan
dalam memperkirakan harga saham Bank BRI, Mandiri, BNI, dan BTPN di
masa depan.

48
JISTech, 6(2), 42-49, Juli-Desember 2020 ISSN: 2528-5718

DAFTAR PUSTAKA
[1] Karno.A,Kalbuana.N,Nisviani.E,ETP.L Hastomo.W, "Optimasi Deep
Learning untuk Prediksi Saham di Masa Pandemi Covid-19," Jurnal
Edukasi dan Penelitian Informatika, vol. Vol. 7 No.2, 2021.
[2] A. Wanto et al, "Analysis of Standard Gradient Descent with GD
Momentum And Adaptive LR for SPR Prediction," 3rd International
Conference of Computer, Environment, Agriculture, Social Science,
Health Science, Engineering and Technology, pp. 1-9, 2018.
[3] M. Si, and U. N. Wisesty Yendriani, "Prediksi Harga Saham
Menggunakan Hidden Morkov Model (HMM) dan Fuzzy Model," vol. 2
No 2, pp. pp.6592-6599, 2014.
[4] C.A j.Chung, "Empirical Evaluation Of Gated Recurrent Neuran
Networks On Sequence Modeling," 2014.
[5] Adhitio Satyo Bayangkari Karno, "Prediksi Data Time Series Saham
Bank BRI Dengan Mesin Belajar LSTM (Long Short Term Memory),"
JIFORTY, vol. 1, No.1, June 2020.

49

You might also like