Optimasi Portofolio Saham Sektor Consuumer Non-Cyclical Menggunakan Prediksi Harga Saham Berbasis Long Short-Term Memory (LSTM)

Syawal, Nabila Kharida (2026) Optimasi Portofolio Saham Sektor Consuumer Non-Cyclical Menggunakan Prediksi Harga Saham Berbasis Long Short-Term Memory (LSTM). Bachelor thesis, Institut Teknologi Kalimantan.

	Text 16221010_Cover.pdf Restricted to Repository staff only until 9 October 2028. Download (275kB) | Request a copy
	Text 16221010_statement_of_authenticity.pdf Restricted to Repository staff only until 9 October 2028. Download (259kB) | Request a copy
	Text 16221010_publishing_agreement.pdf Restricted to Repository staff only until 9 October 2028. Download (244kB) | Request a copy
	Text 16221010_preface.pdf Restricted to Repository staff only until 9 October 2028. Download (233kB) | Request a copy
	Text 16221010_table_of_content.pdf Restricted to Repository staff only Download (274kB) | Request a copy
	Text 16221010_illustrations.pdf Restricted to Repository staff only until 9 October 2028. Download (202kB) | Request a copy
	Text 16221010_tables.pdf Restricted to Repository staff only until 9 October 2028. Download (205kB) | Request a copy
	Text 16221010_abstract_id.pdf Restricted to Repository staff only until 9 October 2028. Download (254kB) | Request a copy
	Text 16221010_abstract_en.pdf Restricted to Repository staff only until 9 November 2028. Download (234kB) | Request a copy
	Text 16221010_chapter_1.pdf Restricted to Repository staff only until 9 October 2028. Download (422kB) | Request a copy
	Text 16221010_chapter_2.pdf Restricted to Repository staff only until 9 October 2028. Download (679kB) | Request a copy
	Text 16221010_chapter_3.pdf Restricted to Repository staff only until 9 October 2028. Download (600kB) | Request a copy
	Text 16221010_chapter_4.pdf Restricted to Repository staff only until 9 October 2028. Download (2MB) | Request a copy
	Text 16221010_conclusions.pdf Restricted to Repository staff only until 9 October 2028. Download (257kB) | Request a copy
	Text 16221010_bibliography.pdf Restricted to Repository staff only until 9 October 2028. Download (268kB) | Request a copy
	Text 16221010_notations.pdf Restricted to Repository staff only until 9 October 2028. Download (275kB) | Request a copy
	Text 16221010_enclosure.pdf Restricted to Repository staff only until 9 October 2028. Download (5MB) | Request a copy
	Text 16221010_paper.pdf Restricted to Repository staff only until 9 October 2028. Download (1MB) | Request a copy
	Text 16221010_approval_sheet.pdf Restricted to Repository staff only until 9 October 2028. Download (313kB) | Request a copy

Abstract

Sektor Consumer Non-Cyclical dikenal sebagai sektor defensif yang cenderung memiliki permintaan stabil meskipun terjadi perubahan kondisi ekonomi. Namun, setiap saham dalam sektor ini tetap memiliki karakteristik return dan risiko yang berbeda sehingga diperlukan pembentukan portofolio optimal untuk membantu investor menentukan alokasi investasi yang efisien. Penelitian ini bertujuan untuk memprediksi harga saham dan membentuk portofolio optimal pada saham sektor Consumer Non-Cyclical menggunakan metode Long Short-Term Memory (LSTM) dan Markowitz Mean-Variance. Data yang digunakan berupa data harga saham harian dari 10 emiten sektor Consumer Non-Cyclical yang terdaftar di Bursa Efek Indonesia periode 2023–2025. Prediksi harga saham dilakukan menggunakan model LSTM dengan beberapa kombinasi window size dan hyperparameter untuk memperoleh model terbaik pada masing-masing saham. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Root Mean Square Error (RMSE). Hasil prediksi selanjutnya digunakan untuk menghitung expected return dan risiko sebagai dasar pembentukan portofolio optimal menggunakan pendekatan Mean-Variance. Hasil penelitian menunjukkan bahwa model LSTM mampu memberikan performa prediksi yang baik dengan nilai MAE testing berkisar antara 32,696 hingga 166,269 dan nilai MAPE testing berada pada rentang 0,729% hingga 2,627%. Hasil optimasi menunjukkan bahwa saham FAPA secara konsisten memperoleh bobot terbesar pada hampir seluruh horizon investasi. Penerapan bobot yang sama pada data prediksi dan data aktual menunjukkan bahwa portofolio berbasis data prediksi menghasilkan tingkat risiko yang lebih rendah, sedangkan kinerja portofolio pada kedua skenario cenderung meningkat seiring bertambahnya horizon investasi. Secara keseluruhan, hasil penelitian menunjukkan bahwa model LSTM mampu mendukung pembentukan portofolio minimum variance

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Jurusan Matematika dan Teknologi Informasi > Statistik
Depositing User:	Nabila Nabila Syawal
Date Deposited:	06 Jul 2026 03:07
Last Modified:	06 Jul 2026 03:07
URI:	http://repository.itk.ac.id/id/eprint/25787

Actions (login required)

View Item