PREDIKSI HARGA SAHAM BLUE CHIP PADA INDEKS IDX30 MENGGUNAKAN ALGORITMA RECURRENT NEURAL NETWORK (RNN)

Abstract

Penelitian ini bertujuan untuk membuktikan keakuratan hasil peramalan harga saham perusahaan blue chip pada indeks IDX30 di Bursa Efek Indonesia (BEI) dengan penerapan artificial intelligence (AI) dengan algoritma Recurrent Neural Network (RNN). Data sekunder dikumpulkan dengan metode dokumentasi dari BEI yang diperoleh melalui website resmi BEI maupun web resmi perusahaan yang terdaftar dan juga website resmi Yahoo Finance. Data yang dianalisis dalam penelitian ini adalah data laporan keuangan tahunan yang telah diaudit untuk memperoleh data keuangan yang digunakan untuk perhitungan Debt-to-Equity Ratio (DER) dalam kriteria pemilihan sampel dan historis harga saham penutupan yang disesuaikan pada Indeks Harga Saham Gabungan (IHSG). Populasi penelitian merupakan seluruh perusahaan yang terdaftar dalam indeks IDX30 selama periode 2019-2022 sebanyak 20 perusahaan. Penelitian ini menerapkan metode purposive sampling, diperoleh 17 perusahaan sebagai sampel. Adapun kriteria pemilihan sampel penelitian yakni pertama perusahaan dengan DER di bawah satu, yang menunjukkan penggunaan utang yang rendah. Kedua, perusahaan perbankan tidak dijadikan sampel karena memiliki rasio DER yang tinggi. Hasil prediksi harga saham penutupan yang disesuaikan menggunakan AI dengan algoritma Recurrent Neural Network (RNN) metode Long Short-Term Memory (LSTM) memiliki tingkat akurasi yang tinggi dan mendekati nilai aslinya yaitu dengan nilai rata – rata Mean Absolute Percentage Error (MAPE) sebesar 2,6 persen.

Kata kunci: kecerdasan buatan, long short-term memory, prediksi, saham, investasi.