PENERAPAN METODE HIBRIDA BERBASIS ATTENTION MECHANISM UNTUK PREDIKSI HARGA SAHAM DENGAN INTEGRASI ANALISIS TEKNIKAL, FUNDAMENTAL, DAN SENTIMEN

Penelitian ini mengembangkan metode Hybrid untuk prediksi harga saham dengan menggabungkan analisis teknikal, fundamental, dan sentimen. Model yang digunakan adalah LSTM untuk data teknikal, Random Forest untuk data fundamental, dan IndoBERT untuk analisis sentimen berita. Ketiga model digabungkan menggunakan Attention Mechanism untuk menghasilkan Hybrid Score dan rekomendasi BUY, HOLD, atau SELL. Analisis bobot attention pada lapisan fusi menunjukkan bahwa komponen sentimen memiliki bobot dominan sebesar 0,5492, sedangkan komponen teknikal dan fundamental masing-masing memperoleh bobot 0,2251 dan 0,2257 yang hampir seimbang. Hal ini mengindikasikan bahwa informasi sentimen dari berita memiliki kontribusi terbesar dalam pengambilan keputusan model, sementara sinyal teknikal dan fundamental tetap berperan sebagai dasar yang saling melengkapi. Temuan ini menegaskan bahwa pendekatan hybrid dengan Attention Mechanism mampu mengidentifikasi dan memprioritaskan sumber informasi yang paling relevan secara adaptif, sehingga meningkatkan interpretabilitas dan potensi akurasi prediksi.