Sistem Rekomendasi Investasi Saham Perusahaan di Bawah Naungan Danantara Menggunakan Long Short-Term Memory

Abstract

Investasi memiliki peran penting dalam menjaga nilai kekayaan  dan mengatasi dampak inflasi. Namun, banyak individu masih enggan berinvestasi karena ketakutan terhadap risiko, pengaruh emosi, dan bias kognitif. Kondisi ini semakin terlihat pada kasus peluncuran Danantara, di mana persepsi negatif masyarakat menurunkan minat investasi pada perusahaan-perusahaan di bawah naungannya. Oleh karena itu, diperlukan sebuah sistem rekomendasi investasi berbasis data yang mampu memberikan saran yang objektif untuk saham perusahaan-perusahaan tersebut. 
Penelitian ini mengembangkan sistem rekomendasi investasi saham berbasis prediksi harga menggunakan model Long Short-Term Memory (LSTM), dengan ARIMA dan Recurrent Neural Network (RNN) sebagai model pembanding. Model-model tersebut diterapkan pada data harga saham ANTM, BBNI, BBRI, BMRI, dan TLKM. Hasil prediksi dari masing-masing model diolah untuk menghasilkan rekomendasi buy, hold, atau sell 
sehingga dapat membantu pengguna dalam mengambil keputusan 
investasi.
Hasil penelitian menunjukkan bahwa model LSTM memiliki akurasi prediksi yang baik dengan nilai MAPE antara 1.7%–2% pada lima saham yang diuji. Dari simulasi transaksi, LSTM menghasilkan rata-rata keuntungan tertinggi dibandingkan RNN dan ARIMA. Selain itu, LSTM juga memberikan akurasi 
rekomendasi terbaik terhadap pendapat ahli pada seluruh saham uji. Dengan demikian, LSTM menjadi model yang terbaik untuk sistem rekomendasi investasi yang dikembangkan.