Deep Learning Berbasis Transformer untuk Prediksi Tren Saham Bursa Efek Indonesia

Firdaus Bia Firmansyah

Abstrak

Pasar saham merupakan salah satu pasar keuangan yang penting dalam konteks ekonomi global. Dalam upaya untuk memprediksi pergerakan tren saham, berbagai pendekatan dan metode telah dikembangkan, termasuk pendekatan berbasis deep learning. Penelitian ini bertujuan untuk menginvestigasi kinerja model prediksi tren saham berbasis Transformer dalam konteks Bursa Efek Indonesia, dengan fokus pada saham PT Bank Central Asia Tbk. (BBCA.JK). pendekatan eksperimental digunakan untuk merancang sistem yang mampu mengelola data historis saham dan mengaplikasikan model Transfomer untuk meramalkan tren saham. Melalui analisis data yang cermat, termasuk eksperimen dengan berbagai hyperparameter, jumlah epoch, jumlah head, dan panjang sequence, ditemukan bahwa model Transformer mampu memberikan prediksi saham yang cukup baik dengan nilai MAPE, MSE, dan MAE yang rendah, serta nilai R 2 yang tinggi. Evaluasi performa model menunjukkan bahwa model Transformer memiliki kemampuan yang baik dalam memprediksi tren saham. Hasil penelitian ini menunjukkan bahwa model deep learning berbasis Transformer dapat memberikan prediksi tren saham yang cukup baik, dengan nilai MAPE untuk training data sebesar 4.7803%, validation data sebesar 4.8842%, dan test data sebesar 4.1721%. selain itu, nilai MSE dan MAE juga rendah, serta R 2 yang cukup tinggi mencapai 0.7694 untuk training data, 0.7475 untuk validation data, dan 0.778 untuk test data. Kesimpulan dari penelitian ini menegaskan bahwa model deep learning berbasis Transformer memiliki potensi besar dalam memprediksi tren saham, khususnya di pasar saham Indonesia.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7