Evaluasi Model GRU dan LSTM untuk prediksi IHSG menggunakan variasi rentang periode data
Keywords:
IHSG, LSTM, GRU, time series, prediksi sahamAbstract
Penelitian ini memiliki tujuan untk melakukan perbandingan performa antara model LSTM dan GRU dalam memperdiksi pergerakan dari nilai Indeks Harga Saham Gabungan menggunakan data deret waktu. Data historis yang digunakan dimulai dari 2 Januari 2010 hingga 30 Desember 2025 yang diperoleh melalui proses web scrapping dari website Yahoo Finance. Model LSTM dan GRU dibangun menggunakan konfigurasi parameter yang sama untuk memastikan bahwa model mendapatkan perbandingan yang adil. Hasil penelitian menunjukkan bahwa model GRU secara konsisten mendapatkan nilai evaluasi MSE, RMSE, dan MAPE yang lebih rendah dibandingkan model LSTM pada seluruh skenario pengujian rentang periode data yang digunakan. Model GRU dan LSTM terbaik terdapat pada skenario pengujian rentang periode data 15 tahun, dengan mendapatkan nilai MSE 4021.6660, RMSE 63.4166, MAPE 0.70% untuk GRU serta MSE 7513.8299, RMSE 86.6824, MAPE 0.94% untuk LSTM. Visualisasi grafik prediksi juga menunjukkan bawah model GRU lebih mampu untuk mengikuti pola dan tren dari pergerakan IHSG dengan lebih stabil dibandingkan model LSTM. Berdasarkan hasil peneltian ini, dapat disimpulkan bahwa model GRU memiliki performa yang lebih baik dalam memprediksi pergerakan nilai IHSG
Downloads
References
Alfarisy, G. A. F., Hoan, R. O., Helmi, Rajab, N. A., & Putra, B. M. K. (2025). Ecommerce-Price-Scraper: Pustaka Ekstraksi Harga E-Commerce Indonesia Melalui Web Scraping. EQUIVA Journal of Mathematics & Information Technology, 3(1), 26–33. https://doi.org/https://doi.org/10.35718/equiva.v3i1
Alkahfi, C., Kurnia, A., & Saefuddin, A. (2024). Perbandingan Kinerja Model Berbasis RNN pada Peramalan Data Ekonomi dan Keuangan Indonesia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1235–1243. https://doi.org/10.57152/malcom.v4i4.1415
Diqi, M., Hiswati, M. E., & Wijaya, N. (2024). Stacked Gated Recurrent Units and Indonesian Stock Predictions: A New Approach to Financial Forecasting. JURNAL ILMU KOMPUTER DAN TEKNOLOGI(IKOMTI), 5(1), 11–17. http://creativecommons.org/licences/by/4.0/
Faiq Abdi, M., & Yonhendri. (2025). Implementasi Sistem Prediksi Saham Real-Time dengan Integrasi Yahoo Finance API dan Machine Learning di Google Colab. TEKNOMATIKA, 15(01), 25–31. https://doi.org/https://doi.org/10.61423/teknomatika.v15i01.692
Gotama, I. G. A. R., Sudipa, I. G. I., Brahma, A. A. G. R. W., Ariantini, M. S., & Wulandari, D. A. P. (2026). Enhanced Stacked GRU Model for Monthly Rice Production Forecasting in Bali Province. SinkrOn, 10(1), 652–664. https://doi.org/10.33395/sinkron.v10i1.15715
Khan, A. M., & Osińska, M. (2023). Comparing forecasting accuracy of selected grey and time series models based on energy consumption in Brazil and India. Expert Systems with Applications, 212, 1–15. https://doi.org/10.1016/j.eswa.2022.118840
Kim, Y. S., Kim, M. K., Fu, N., Liu, J., Wang, J., & Srebric, J. (2025). Investigating the impact of data normalization methods on predicting electricity consumption in a building using different artificial neural network models. Sustainable Cities and Society, 118, 1–12. https://doi.org/10.1016/j.scs.2024.105570
Krichen, M., & Mihoub, A. (2025). Long Short-Term Memory Networks: A Comprehensive Survey. In AI (Switzerland) (Vol. 6, Number 9). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/ai6090215
Rizqiyani, E. M., Setiawan, N. Y., & Saputra, M. C. (2025). STUDI KOMPARATIF ALGORITMA LONG SHORT TERM MEMORY (LSTM) DAN GATED RECURRENT UNIT (GRU) DALAM PERAMALAN HARGA SAHAM PT. FAST FOOD INDONESIA TBK (FAST). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 9(11), 1–7. http://j-ptiik.ub.ac.id
Satria Andromeda, R., & Anisa Sri Winarsih, N. (2025). Performance Comparison of LSTM and GRU Methods in Predicting Cryptocurrency Closing Prices. Sistemasi: Jurnal Sistem Informasi, 14(1), 366–379. https://doi.org/https://doi.org/10.32520/stmsi.v14i1.4880
Wang, J., Jiang, W., Li, Z., & Lu, Y. (2021). A new multi-scale sliding window lstm framework (Mssw-lstm): A case study for gnss time-series prediction. Remote Sensing, 13(16), 1–15. https://doi.org/10.3390/rs13163328
Zhao, C., Kang, L., Xi, X., Du, S., & Li, J. (2025). Investor sentiment and stock market volatility: Exploring the relationship using sentiment analysis of stock bar comments. Finance Research Open, 1(3), 1–12. https://doi.org/10.1016/j.finr.2025.100016
Zhou, S., Yang, Z., Yu, Q., & Wang, J. (2025). Grid-Search-Optimized, Gated Recurrent Unit-Based Prediction Model for Ionospheric Total Electron Content. Technologies, 13(8). https://doi.org/10.3390/technologies13080347
Nurahmad, K. P. (2025, December). Menutup Tahun Penuh Prestasi, Pasar Modal Indonesia Optimis Menyongsong Tahun 2026. Bursa Efek Indonesia. https://www.idx.co.id/id/berita/siaran-pers/2531
Wijayanto, T. (2026, January 20). IHSG Kembali Cetak Rekor Tertinggi Sepanjang Masa. Kompas. https://www./artikel/ihsg-kembali-cetak-rekor-tertinggi-sepanjang-masa
