📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 2 dokumenANALISIS DINAMIKA SENTIMEN BERITA DALAM PREDIKSI PERGERAKAN HARGA SAHAM UBER MENGGUNAKAN METODE BACKPROPAGATION
Pasar saham merupakan sistem kompleks nonlinear dimana dinamika pergerakan harganya sangat dipengaruhi oleh berbagai macam variabel termasuk data nonkuantitatif seperti informasi, opini publik, dan sentimen pasar. Keterbatasan model finansial dalam melakukan prediksi harga saham mendorong fokus pengembangan arsitektur model yang menggunakan integrasi data kualitatif dan kuantitatif pasar saham. Dalam penelitian ini, dirancang arsitektur model untuk memprediksi pergerakan harga saham Uber Technologies Inc. menggunakan algoritma backpropagation yang mengintegrasikan data sentimen berita dengan data historis harga saham. Data berita finansial dikumpulkan dengan menggunakan Google News API dalam rentang lima tahun dari 28 Desember 2020 hingga 5 Januari 2026. Reaksi pasar saham terhadap berita dianalisis dengan Event Study Methodology untuk meninjau abnormal return dalam tiga rentang waktu. Hasil prediksi menunjukkan bahwa model berhasil memprediksi harga saham dengan nilai ???? 2 sebesar 0,9684, ???????????? sebesar 3,7791, ???????????????? sebesar 1,9439, dan ???????????? sebesar 1,3868. Pengujian korelasi Spearman menunjukkan tidak adanya hubungan antara sentimen berita dengan pergerakan harga saham Uber (???????? = 0,0223 dan ???????????????????????? = 0,4291 ). Analisis dinamika pergerakan harga saham yang telah dilakukan menunjukkan bahwa tren naik-turun saham Uber tidak digerakkan oleh sentimen berita harian saja, tetapi oleh berbagai macam faktor struktural. Fitur sentimen akan bermanfaat jika digunakan secara nonlinear bersama indikator teknikal lainnya.
ANALISIS SENTIMEN BERITA PADA DINAMIKA SAHAM MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM) NETWORKS
Sistem kompleks adalah sistem yang terdiri dari beberapa komponen yang dapat berinteraksi antara satu sama lain. Pemodelan sistem kompleks ini dapat dilakukan melalui pendekatan dengan ilmu sains untuk menyelidiki bagaimana sebuah hubungan antara komponen-komponen suatu sistem dapat menimbulkan perilaku tertentu. Dalam bidang keuangan, investasi yang dilakukan melalui pasar modal adalah salah satu hal yang dapat dilakukan untuk modal di masa depan. Pergerakan pasar saham pada dasarnya merupakan salah satu hal kompleks untuk dianalisis karena selain dipengaruhi oleh indikator ekonomi, juga dipengaruhi oleh beberapa hal lainnya salah satunya adalah respons investor berdasarkan berita tertentu. Oleh karena itu, harga saham yang terdapat pada pasar modal salah satunya dapat dipengaruhi oleh respons investor berdasarkan sentiment berita atau informasi yang beredar luas. Salah satu metode yang dapat digunakan untuk analisis sentiment adalah analisis sentiment VADER. Sedangkan untuk pemodelan sistem kompleks, metode yang banyak dikembangkan salah satunya adalah Long Short-Term Memory (LSTM) Networks. Metode ini dapat mempelajari berdasarkan ingatan masa lalu yang disimpan ke dalam memorinya. Sehingga pada Tugas Akhir ini, akan dilakukan analisis pemodelan harga saham Dow Jones Industrial Average berdasarkan analisis sentimen judul berita menggunakan metode Long Short-Term Memory (LSTM) Networks. Tugas Akhir ini bertujuan untuk menghasilkan pemodelan harga saham berdasarkan analisis sentiment berita, serta mengetahui pengaruh variasi parameter dalam model Long Short-Term Memory (LSTM) Networks dan pengaturan parameter yang memberikan pemodelan paling baik berdasarkan variasi yang dilakukan. Berdasarkan hasil pemodelan yang dilakukan berdasarkan analisis sentimen, titik harga saham yang mengalami kenaikan dan penurunan signifikan dapat diinterpretasi berdasarkan efek berita yang bersirkulasi pada periode tersebut. Kemudian semakin jumlah data sampel latih yang digunakan, maka skor akurasi pemodelan semakin baik. Namun tidak terdapat hubungan yang jelas antara hasil evaluasi model dengan parameter dropout. Pengaturan yang memberikan hasil pemodelan terbaik adalah nilai dropout yang digunakan adalah 0,2 serta jumlah sampel data latih yang digunakan yaitu 1000.