Prediksi Movement Berdasarkan Limit Order Book Menggunakan LSTM

Muhammad Sabilar Rosyad

Abstrak

Pasar saham modern mengalami dinamika harga yang sangat cepat dan kompleks, yang dipengaruhi oleh banyak faktor termasuk interaksi antara pelaku pasar yang terekam dalam data Limit Order Book (LOB). LOB merepresentasikan daftar harga beli (bid) dan jual (offer) secara real-time, sehingga menyediakan informasi yang lebih kaya dibandingkan data harga historis. Penelitian ini bertujuan untuk mengembangkan model klasifikasi arah pergerakan harga saham berbasis Long Short-Term Memory (LSTM) dengan memanfaatkan data LOB, serta mengevaluasi kinerjanya berdasarkan metrik akurasi, precision, recall, dan F1-score. Data LOB dikumpulkan dari sahamsaham milik konglomerasi Prajogo Pangestu (TPIA, BRPT, BREN, PTRO, CUAN) selama 2 minggu berturut-turut dengan interval per menit. Setelah dilakukan preprocessing seperti pembersihan data, normalisasi waktu, pelabelan target (turun, tetap, naik), dan pembentukan window time-series, data digunakan untuk melatih model LSTM. Model diuji dan dibandingkan dengan dua arsitektur lain, yaitu GRU dan BiLSTM. Hasil evaluasi menunjukkan bahwa LSTM memiliki akurasi rata-rata sebesar 61.7%, sedikit lebih rendah dari GRU (63.6%) namun lebih stabil dan konsisten dalam mengenali arah harga yang tetap (0). LSTM terbukti efektif dalam menangkap pola jangka pendek pada data sekuensial LOB dan berpotensi diterapkan dalam sistem prediksi harga berbasis data realtime, meskipun sistem saat ini masih menggunakan pendekatan batch untuk proses prediksi.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7