Penerapan Temporal Convolution Network (TCN) dalam Memprediksi Harga Saham PT Bank Central Asia Tbk

Abstract

Studi ini bertujuan untuk meramalkan tren harga saham PT Bank Central Asia Tbk (BCA) dengan memanfaatkan algoritma Temporal Convolutional Network (TCN). TCN dipilih karena kemampuannya dalam mengenali pola temporal yang kompleks pada data deret waktu harga saham. Metode penelitian ini mencakup pengumpulan data historis harga saham BCA sebagai input untuk pelatihan dan pengujian model TCN. Pada tahap pelatihan, parameter model disesuaikan untuk meningkatkan akurasi prediksi. Evaluasi hasil dilakukan menggunakan metrik standar seperti Mean Absolute Error (MAE), Mean Square Error (MSE), dan Root Mean Square Error (RMSE), yang menunjukkan bahwa model TCN mampu memprediksi harga saham BCA dengan tingkat akurasi yang baik. Pada epoch ke-10 dan batch size 1, model mencapai nilai MAE sebesar 49, MSE sebesar 6213, dan RMSE sebesar 78. Tingkat akurasi ini memberikan wawasan yang bernilai bagi investor dan pemangku kepentingan di pasar saham. Selain itu, efektivitas model TCN dapat dianalisis lebih lanjut melalui visualisasi grafik yang membandingkan harga saham yang diprediksi dengan harga aktual, serta dengan menilai keberlanjutan dan stabilitas kinerja model dalam periode waktu tertentu. Penelitian ini berkontribusi dalam pengembangan metode prediksi harga saham dengan mengadopsi pendekatan TCN yang inovatif. Temuan ini memiliki manfaat praktis yang dapat membantu pelaku pasar dalam membuat keputusan investasi yang lebih tepat dan akurat.