ANALISIS SENTIMEN UNTUK PREDIKSI HARGA SAHAM BERBASIS PERISTIWA MENGGUNAKAN BIDIRECTIONAL LONG SHORT TERM MEMORY

• OKKI SETYAWAN
• 14002429

---

ABSTRAK

Pasar Saham sudah menjadi peranan yang penting dalam perekonomian dan menarik perhatian investor karena juga menghasilkan dana dan membuat keputusan investasi bagi perusahaan dan investor. hal yang paling utama dilakukan oleh investor sebelum melakukan investasi yaitu melihat informasi tentang pasar modal di berbagai media, baik sosial media dan portal berita yang beredar di internet untuk melihat pergerakan saham yang sering berubah karena fluaktuatif. Sentimen analisis yang di lakukan dalam penelitian ini menggunakan dataset publik dari portal dataset di kaggle.com yaitu dataset DJIA ( Dow Jones INdustrial Average) yang berbentuk peristiwa (timeseries) yang berisikan data kumpulan headline berita dari redditnews.com sebanyak 1990 baris data serta memiliki label kelas untuk naik atau turun, kemudian di training dengan model deep learning yaitu BiLSTN dan LSTM dengan variasi hyperparameter tuning, dan di komparasikan dengan model lain diantaranya SVM, KNN, Logistic Regression, Naive Bayes Multinominal. dari penelitian tersebut didapatkan hasil terbaik dengan model Deep BiLSTM dengan 1 hidden layer, Epoch 20 dan batch size 16 menghasilkan skor akurasi sebesar 0.8677 dan F1 score sebesar 0.8674 serta AUC sebesar 0.8671, penelitian ini merupakan improvement dari penelitian sebelumnya yang menggunakan model LSTM dengan tingkat akurasi 0.5212, F1 Score 0.6762 dan AUC 0.6211

Kata Kunci : Saham, Deep Learning, BiLSTM, LSTM

KATA KUNCI

Data Mining,Deep Learning

---

DAFTAR PUSTAKA

A. Wulandari "Perbandingan Klasifkasi pergerakan harga saham PT Astra Internasional Tbk Menggunakan Vector Auto Regressive Stationer dan Logistic" 2020
B.Beers "How the news affects stock Prices" 2021
N.C.C.A. Phitaloka "Web Content Mining di Sektor Perbankan pada Lq45 untuk Pendukuk keputusan Investasi Saham"
A.Hassanzadeh "Stock MArket Prediction using Daily NEws Headlines" 2020
Y. Liu "stock price movemonet prediction from financial news with deep learning and knowledge graph embedding" 2018
J. Tang "Stock market prediction based on historic prices and news tittles" 2018
C.H Chen and P.Shih "A Stock trend prediction Apporach based on Chinese news and technical indicator using genetic Algorithms" 2019
X. Pang "An Innovative neural network approach for stock market prediction" 2020
A. Subasi "Stock Market Prediction Using Machine Learning" 2021