Implementasi Sistem Prediksi Saham Real-Time dengan Integrasi Yahoo Finance API dan Machine Learning di Google Colab
DOI:
https://doi.org/10.61423/teknomatika.v15i01.692Keywords:
prediksi saham, sistem real-time, machine learning, google colabsAbstract
Masalah prediksi harga saham merupakan topik penting dalam dunia keuangan, di mana akurasi prediksi sangat diperlukan untuk pengambilan keputusan investasi yang lebih baik. Penelitian ini mengembangkan sistem prediksi harga saham real-time dengan integrasi Yahoo Finance API dan algoritma Machine Learning yang dijalankan di Google Colab. Sistem ini memungkinkan pengambilan data pasar saham secara langsung dari Yahoo Finance untuk menganalisis pola data dan menghasilkan prediksi harga saham yang lebih akurat. Metode yang digunakan meliputi pengumpulan data historis dan real-time dari Yahoo Finance API, preprocessing data, pelatihan model menggunakan Long Short Term Memory (LSTM), validasi model dengan K-Fold Cross Validation, dan evaluasi kinerja menggunakan berbagai metrik standar. Pengembangan dan implementasi model dilakukan di Google Colab. Hasil penelitian menunjukkan bahwa model LSTM mampu memberikan prediksi harga saham dengan akurasi tinggi. Sistem ini memberikan kontribusi signifikan dalam meningkatkan akurasi prediksi harga saham dan membantu investor membuat keputusan yang lebih baik berdasarkan data real-time.
References
[2] C. A. F. Patra, “Sistem Analisa Harga Saham Menggunakan Algoritma Long Short Term Memory (LSTM),” Sekolah Tinggi Manajemen Informatika & Komputer – LIKMI Bandung, 2024. [Online]. Available: https://library.likmi.ac.id/show/153/pdf.
[3] N. P. N. Kusuma et al., “Prediksi Harga Saham Blue Chip Menggunakan Algoritma Long Short-Term Memory (LSTM),” Universitas Primakara, 2024. [Online]. Available: https://e-journalfb.ukdw.ac.id/index.php/jrak/article/download/6/6/31.
[4] A. Rosyd et al., “Penerapan Metode Long Short Term Memory (LSTM) dalam Memprediksi Harga Saham PT Bank Central Asia,” STMIK IKMI Cirebon, 2024. [Online]. Available: https://ejournal.itn.ac.id/index.php/jati/article/download/8440/5012/.
[5] K. Kwanda et al., “Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website,” Universitas Tarumanagara, 2024. [Online]. Available: https://jurnal.ranahresearch.com/index.php/R2J/article/download/1255/1045/.
[6] I. H. Witten, E. Frank, and M. A. Hall, "Data Mining: Practical Machine Learning Tools and Techniques," Morgan Kaufmann, 2011. [Online]. Available: https://www.elsevier.com/books/data-mining/witten/978-0-12-374856-0
[7] A. Agusta, I. Ernawati, dan A. Muliawati, "Prediksi Pergerakan Harga Saham Pada Sektor Farmasi Menggunakan Algoritma Long Short-Term Memory," Jurnal Ilmu Komputer dan Informasi, vol. 17, no. 2, pp. 3651, 2024. [Online]. Tersedia: https://dx.doi.org/10.52958/iftk.v17i2.3651
[8] Bhowmick, A., Rahman, A., & Rahman, R. M. (2019). Performance Analysis of Different Recurrent Neural Network Architectures and Classical Statistical Model for Financial Forecasting: A Case Study on Dhaka Stock Exchange (pp. 277–286). https://doi.org/10.1007/978-3-030- 19810-7_27
[9] A. G. Aleyusta, “LONG SHORT TERM MEMORY (VAR-LSTM) PADA PERAMALAN,” Digilib Unila, 2023. [Online]. Tersedia: http://digilib.unila.ac.id/82155/3/3.%20SKRIPSI%20TANPA%20BAB%20PEMBAHASAN%20-%20A.%20GILANG%20ALEYUSTA%20SAVADA.pdf
[10] K. Mauludin, “Model Prediksi Kecepatan Kurir dalam Pengiriman Surat Kabar,” Eprints Unpak, 2023. [Online]. Tersedia: https://eprints.unpak.ac.id/8115/1/Laporan%20-%20SKRIPSI%20-%2006512003%20-%20Kriti%20Mauludin.pdf
Downloads
Published
Issue
Section
License
Jurnal Teknologi dan Informatika (Teknomatika) is licensed under CC BY-SA 4.0
