PERAMALAN PENJUALAN SAHAM NIKEL MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM)

Abstrak

Indonesia memiliki sumber daya nikel terbesar di dunia, dengan produksi 1,6 juta ton dari total global 328 juta ton pada 2022. Kebijakan larangan ekspor bijih nikel mentah 2020 bertujuan meningkatkan pemrosesan dalam negeri dan menarik investasi. Pasokan nikel mencapai 26 miliar ton dengan cadangan 11.887 juta ton. Investasi mineral dan batu bara pada 2021 mencapai US$35 miliar. Pemerintah merencanakan 53 smelter hingga 2024, dengan 19 beroperasi pada 2021. PT. Resource Alam Indonesia Tbk aktif dalam industri, menghadapi fluktuasi harga saham nikel yang memiliki masalah yaitu ketidakpastian bagi investor dalam membuat keputusan investasi akibat fluktuasi harga nikel di pasar dunia. Sehingga diperlukan peramalan harga saham yang efektif menggunakan analisis data deret waktu. Penelitian ini menggunakan pendekatan algoritma deep learning yaitu Long Short Term Memory (LSTM).  Metode penelitian menggunakan CRISP-DM meliputi pemahaman bisnis, pemahaman data, persiapan data, pembuatan model, evaluasi model, dan deployment. Eksperimen menggunakan Python dan visualisasi menggunakan Framework Streamlit. Penelitian ini bertujuan untuk mengevaluasi efektivitas model LSTM dalam memprediksi harga saham Nikel pada PT. Resource Alam Indonesia Tbk dengan menggunakan parameter teknikal optimal. Hasil penelitian menunjukkan bahwa model Long Short Term Memory (LSTM), mampu memprediksi penjualan saham Nikel pada PT. Resource Alam Indonesia Tbk (kata sandi: KKGI.JK) dengan baik, dengan nilai MAE sebesar 33.15, nilai RMSE  48.14, nilai MSE 2317.33, dan nilai MAPE 7.39. Dari berbagai kombinasi parameter yang diuji, kombinasi terbaik adalah dengan batch size 32, epochs 150, dan optimizer Adam. Temuan ini memberikan pandangan yang berharga bagi investor dalam mengambil keputusan investasi yang lebih informatif dan efektif.