IMPLEMENTASI BILSTM DENGAN IMPROVED-FA UNTUK PREDIKSI HARGA SAHAM

Pergerakan harga saham yang fluktuatif menjadikan prediksi harga saham sebagai salah satu tantangan dalam pengambilan keputusan investasi. Penelitian ini bertujuan memperoleh konfigurasi hyperparameter yang optimal pada model Bidirectional Long Short-Term Memory (BiLSTM) melalui penerapan Improved Firefly Algorithm (IFA) untuk meningkatkan performa prediksi harga saham. Dataset yang digunakan berupa data historis saham PT Aneka Tambang Tbk (ANTM), PT Indofood Sukses Makmur Tbk (INDF), dan PT Unilever Indonesia Tbk (UNVR) yang diperoleh dari Yahoo Finance periode 2 Januari 2020 hingga 30 Desember 2025. Optimasi dilakukan terhadap hidden neuron, batch size, dan dropout rate. Data dibagi menjadi 70% data pelatihan, 10% data validasi, dan 20% data pengujian. Evaluasi model menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa model IFA-BiLSTM memperoleh nilai MAPE sebesar 2,47% pada ANTM, 1,46% pada INDF, dan 2,20% pada UNVR. Hasil tersebut menunjukkan bahwa penerapan IFA mampu meningkatkan performa model BiLSTM melalui optimasi hyperparameter.