Penetapan Deep Learning Dalam Melakukan Forecasting Harga Saham Netflix Menggunakan Algoritma Long Short-Term Memory
Kode Repository :SKI49/DER/22
NPM :065118228
Nama :Deris Herdiansyan Ismail
Pembimbing 1 :-Dr. Tjut Awaliyah Zuraiyah, M.Kom.
Pembimbing 2 :-Aries Maesya M.Kom
Abstrak :-Pihak lain ingin mendapatkan lebih banyak keuntungan dari pandemi Covid-19, tetapi kerugian tidak selalu menjadi fokus utama. Pasalnya, banyak orang bekerja dari rumah (WFH) dan menghabiskan waktu luangnya dengan menonton video streaming atau mematuhi kebijakan jarak sosial. Layanan Video On Demand (VOD) menyediakan fasilitas streaming video yang bisa diakses melalui perangkat mobile atau website. Pengguna harus berlangganan untuk menggunakan layanan ini. Algoritma Long Short-Term Memory menggunakan konsep blok memori untuk menyimpan informasi dalam jangka waktu yang lama yang digunakan dalam penelitian ini. Masalah prediksi deret waktu cocok untuk algoritma ini. Saham Netflix, Inc. (NFLX) digunakan untuk data saham. Untuk mendapatkan model terbaik, penelitian ini melakukan lima pengujian dengan parameter yang berbeda. Selama sembilan puluh hari ke depan, deployment dan peramalan akan didasarkan pada hasil model terbaik. Hasil dari model tersebut adalah pada batas 1 pola time series dari 25 neuron hidden, 100 max epoch dan 128 batch size dan menghasilkan RMSE dan MAPE sebesar 14,839 dan 0,024%.
Kata Kunci : Deep Learning, Long Short-Term Memory, Forecasting, Saham, Netflix, Covid-19, Deployment