Perbandingan Algoritma LSTM & RNN Untuk Prediksi Harga Saham Perusahaan Sektor Pertanian

Abstract

Saham merupakan tanda bukti kepemilikan modal dalam suatu perusahaan, fluktuasi harganya
menjadi tantangan bagi investor. Penelitian ini membandingkan metode Long Short-Term Memory
(LSTM) dan Recurrent Neural Network (RNN) untuk memprediksi harga saham perusahaan sektor
pertanian guna mendukung program swasembada pangan,untuk evaluasi performa model
menggunakan MAE, MSE, RMSE, dan R2.penelitian ini fokus pada 3 perusahaan. Hasil penelitian
menunjukkan LSTM lebih baik dari RNN,pada PT Andira Agro Tbk (ANDI) LSTM menghasilkan
MAE sebesar 2,4608, MSE sebesar 12,4950, RMSE sebesar 3,5348, dan R² sebesar 0,9721. Pada
PT Wahana Pronatural Tbk (WAPO) LSTM mencatat MAE sebesar 2,5966, MSE sebesar
22,2551, RMSE sebesar 4,7175, dan R² sebesar 0,9189. Sementara itu, pada PT Astra Agro Lestari
Tbk (AALI) LSTM mencapai MAE sebesar 0,1129, MSE sebesar 0,0196, RMSE sebesar 0,1400,
dan R² sebesar 0,9597. LSTM secara konsisten menghasilkan nilai error yang lebih rendah dan R²
yang lebih tinggi,menandakan prediksi yang lebih akurat dan stabil. Dengan demikian, LSTM
terbukti lebih unggul dalam menangkap pola tren harga saham dibandingkan RNN. Hasil ini dapat
menjadi referensi dalam pengambilan keputusan investasi di sektor pertanian, serta berkontribusi
dalam mendukung program swasembada pangan melalui optimalisasi prediksi pasar saham.