Prediksi Harga Saham Di Indonesia Menggunakan Model Multivariate Long Short-Term Memory Dengan Attention Mechanism

Deskripsi

Pergerakan harga saham di Indonesia menunjukkan pola yang non-linear sehingga sulit diprediksi menggunakan pendekatan konvensional. Penelitian ini mengembangkan model Multivariate Long Short-Term Memory (LSTM) dengan Attention Mechanism menggunakan data teknikal harian Open, High, Low, dan Close (OHLC) periode 2010–2024 pada IHSG, BBCA, dan BVIC, serta membandingkannya dengan Vanilla LSTM, Stacked LSTM, GRU, dan Transformer. Evaluasi menggunakan MAE, RMSE, dan Diebold–Mariano test menunjukkan bahwa Vanilla LSTM memberikan performa paling stabil pada IHSG dan BVIC, sementara LSTM-Attention mencapai error terendah pada BBCA. Temuan ini memperkuat relevansi model deep learning dalam prediksi saham dan menyediakan landasan metodologis bagi penelitian lanjutan di pasar berkembang seperti Indonesia.