Implementasi Algoritma Long Short-Term Memory (LSTM) untuk Forecasting Harga Saham NVIDIA

Abstract

Prediksi harga saham merupakan salah satu permasalahan penting dalam bidang keuangan karena dapat membantu investor dalam memahami kecenderungan pergerakan pasar. Penelitian ini bertujuan untuk menerapkan algoritma Long Short-Term Memory (LSTM) dalam melakukan forecasting harga saham NVIDIA Corporation (NVDA). Data yang digunakan berupa data historis saham NVIDIA periode 4 Januari 2021 hingga 29 Mei 2026 yang diperoleh dari Yahoo Finance sebanyak 1.357 data harian. Tahapan penelitian meliputi preprocessing data, normalisasi menggunakan Min-Max Scaling, pembentukan sequence 60 hari, pembagian data training dan testing dengan rasio 80:20, pelatihan model LSTM, evaluasi model, serta forecasting 30 hari ke depan. Model yang digunakan terdiri atas dua lapisan LSTM dengan masing-masing 50-unit dan dropout sebesar 0,2. Hasil evaluasi menunjukkan nilai MAE sebesar 4,9911, RMSE sebesar 6,7485, MAPE sebesar 2,6812%, dan R² sebesar 0,8745. Hasil tersebut menunjukkan bahwa model memiliki tingkat akurasi yang baik dalam memprediksi harga saham NVIDIA. Forecasting selama 30 hari perdagangan berikutnya menunjukkan kecenderungan harga saham yang relatif stabil dengan tren meningkat secara bertahap. Dengan demikian, algoritma LSTM terbukti efektif untuk forecasting harga saham NVIDIA berdasarkan data historis yang digunakan.