IMPLEMENTASI ALGORITMA BILSTM-GRU DALAM MEMPREDIKSI PERGERAKAN HARGA SAHAM BLUE-CHIP INDONESIA

Prediksi pergerakan harga saham blue chip di Indonesia menjadi tantangan karena kompleksitas data time series. Penelitian ini mengusulkan kombinasi Bidirectional Long Short-Term Memory (BiLSTM) dan Gated Recurrent Unit (GRU) untuk meningkatkan akurasi prediksi pergerakan harga saham. Metode yang digunakan mencakup pengolahan data historis, K-Fold Cross Validation, serta evaluasi menggunakan MSE, MAE, dan RMSE. Hasil penelitian menunjukkan bahwa model BiLSTM-GRU lebih unggul dibandingkan model LSTM atau GRU tunggal, dengan nilai MSE terbaik untuk saham INDF (0.00070884), ANTM (0.00040408), BBCA (0.00012237), dan UNVR (0.00024031). Pada perbandingan lebih lanjut terhadap model prediksi sebelumnya, model Hybrid BiLSTM-GRU menghasilkan MSE terendah sebesar 0.0001012477 untuk saham BBCA, lebih baik dibandingkan Hybrid RNN-GRU (0.000741), GRU (0.00093), LSTM (0.000868), dan RNN (0.000835). Model ini terbukti lebih efektif dalam menangkap pola pergerakan harga saham dan memberikan prediksi yang lebih akurat dibandingkan model sebelumnya, sehingga dapat menjadi referensi bagi investor dalam pengambilan keputusan investasi.