Peramalan Harga Saham Sektor Consumer Cyclical Menggunakan Gated Recurrent Unit dengan Optimasi Genetic Algorithm
Year: 2026
Type: article
Abstract: Pergerakan harga saham sektor consumer cyclical yang fluktuatif dapat menimbulkan risiko dalam pengambilan keputusan berinvestasi. Meskipun kemajuan teknologi dalam bidang deep learning telah mendorong penerapan berbagai model berbasis jaringan saraf tiruan dalam peramalan saham, kinerja model tersebut sangat dipengaruhi oleh pemilihan hyperparameter untuk memperoleh arsitektur model terbaik. Pemilihan secara manual merupakan proses yang rumit dan memakan waktu yang lama oleh karena itu, penelitian ini bertujuan untuk meningkatkan akurasi peramalan harga saham dengan menggunakan model Gated Recurrent Unit (GRU) yang dioptimasi menggunakan Genetic Algorithm (GA). Data yang digunakan dalam penelitian ini merupakan skala harian harga tutupan saham sektor consumer cyclical mulai tanggal 26 Januari 2021 sampai dengan 31 Oktober 2025. Tahapan penelitian meliputi preprocessing data serta proses optimasi hyperparameter GRU menggunakan GA dengan fungsi fitness berbasis Root Mean Square Error (RMSE). Model GRU kemudian dilatih menggunakan hyperparameter terbaik hasil optimasi dengan konfigurasi dropout 0.109370, bath size 32, learning rate 0.003275, hidden size 32 yang menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 1.0400%. Dengan demikian penerapan GA dalam mengoptimalkan hyperparameter terbukti mampu meningkatkan kinerja model GRU dalam melakukan peramalan harga saham sektor consumer cyclical. Keywords: Genetic Algorithm, Peramalan data deret waktu, Gated Recurrent Unit, Harga saham
Institution: State University of Gorontalo
Language: Indonesian
Field: Decision Sciences
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W7166327826
