| Prediksi pasar saham sangat diperlukan untuk membantu pengambilan keputusan bagi investor. Banyak metode yang digunakan oleh para trader untuk memprediksi ini, salah satu adalah analisis teknikal moving average . Moving average memprediksi tren saham berdasarkan data historis saham. Kelemahan dari analisis moving average adalah adanya keterlambatan atau penundaan dalam sinyal crossover . Sebagai solusi, teknik deep learning yang disebut Long Short Term Memory diterapkan pada strategi moving average dalam penelitian ini. Modul ini menggunakan dataset 5 saham bluechip antara lain BBCA, BBNI, BBRI, TLKM, dan ANTM dengan rentang data dari 2010 hingga 2018. Dataset tersebut dibagi menjadi 2 yaitu 2010 – 2017 sebagai data pelatihan dan 2018 digunakan untuk data testing. Hasil validasi menunjukkan bahwa BBCA dan ANTM memiliki error yang cenderung paling kecil di antara yang lain, dengan rata-rata MAPE = 1,1% dan RMSE = 65,402 untuk BBCA sedangkan MAPE = 2,5% dan RMSE = 25,245 untuk ANTM. Rata-rata MAPE yang didapat adalah 1,9% masuk dalam kategori “Kompetensi Model Peramalan Sangat Baik”. Dari hasil pelatihan model diambil beberapa kombinasi moving average crossover , dan kemungkinan profit terbesar didapat pada saham ANTM dengan kombinasi SMA05 & SMA20. Sedangkan saham dengan trend menurun lebih cenderung mengalami loss dengan presentasi yang besar. |