Prediksi Harga Saham IDX30 Menggunakan Long Short-Term Memory (LSTM) dengan Variabel Makroekonomi

Abstract

Penelitian ini bertujuan memprediksi harga saham indeks IDX30 menggunakan model Long Short-Term Memory (LSTM) dengan mengevaluasi pengaruh integrasi variabel makroekonomi berupa tingkat inflasi dan suku bunga. Data harga saham harian IDX30 diselaraskan dengan data makroekonomi bulanan melalui proses left join dan forward fill sehingga menghasilkan dataset harian yang konsisten. Selanjutnya, data dibagi menjadi data latih dan data uji dengan rasio 80:20 serta dinormalisasi menggunakan Min-Max Scaling. Model dikembangkan dalam dua skenario dengan arsitektur yang sama, yaitu satu lapisan LSTM berisi 8 unit, batch size 32, learning rate 0,001, tanpa dropout, dan menggunakan Adam optimizer. Skenario pertama menerapkan pendekatan univariat yang hanya memanfaatkan data historis harga IDX30, sedangkan skenario kedua menggunakan pendekatan multivariat dengan menambahkan variabel inflasi dan suku bunga. Hasil penelitian menunjukkan bahwa integrasi variabel makroekonomi mampu meningkatkan kinerja model secara signifikan. Model multivariat menghasilkan nilai RMSE sebesar 7,7442 dan MAE sebesar 6,1353, lebih rendah dibandingkan model univariat yang memperoleh RMSE 8,8129 dan MAE 6,7300. Selain itu, nilai koefisien determinasi (R²) meningkat dari 0,8636 menjadi 0,8947 pada data pengujian. Temuan ini menunjukkan bahwa informasi makroekonomi memberikan kontribusi penting dalam meningkatkan kemampuan model LSTM untuk menangkap pola pergerakan harga saham, sehingga menghasilkan prediksi yang lebih akurat dan robust dibandingkan penggunaan data historis harga saham saja