Studi Literatur : Prediksi Harga Saham Menggunakan Machine Learning dan Deep Learning Berbasis Hybrid
DOI:
https://doi.org/10.33005/santika.v6i1.1204Keywords:
Prediksi Harga Saham, Deep Learning, Machine Learning, hybrid, XGBoost, Gated Recurrent UnitAbstract
Penelitian ini bertujuan untuk mengeksplorasi dan menganalisis berbagai macam metode dalam meramalkan harga saham dengan memnfaatkan teknik Machine Learning, Deep Learning, dan metode hybrid. Strategi yang digunakan adalah pendekatan kualitatif deskriptif dengan mengumpulkan serta menelaah berbagai sumber dari jurnal nasional maupun internasional. Temuan penelitian ini menunjukkan bahwa model Deep Learning seperti GRU, menunjukkan performa yang memuaskan dalam mengidentifikasi pola temporal pada data deret waktu, sementara metode Machine Learning seperti XGBoost lebih unggul dalam mendeteksi pola non-linear dan memberikan hasil yang konsisten. Meskipun demikian, penggunaan model Tunggal masih memiliki Batasan dalam menghadapi kompleksitas dan dinamika di pasar saham. Oleh karena itu, pendekatan hybrid yang memadukan kelebihan dari berbagai teknik terbukti dapat meningkatkan akurasi prediksi dan secara signifikan mengurangi kesalahan. Beberapa penelitian menunjukkan bahwa metode hybrid memberikan hasil yang lebih baik dibandingkan dengan model Tunggal. Dengan demikian, dapat disimpulkan bahwa pendekatan kombinasi Adalah Solusi yang efisien dalam memprediksi harga saham dan memiliki potensi besar untuk pengembangan lebih lanjut melalui integrasi yang lebih rumit serta optimalisasi model yang lebih efektif.
Kata Kunci— prediksi harga saham, Machine Learning, Deep Learning, Model Hybrid, XGBoost, GRU.
References
M. Hisam, “Menavigasi Volatilitas Pasar: Wawasan Tentang Instrumen Keuangan Dan Strategi Investasi,” Vol. 02, 2024.
R. Parlika, R. Hermawan, R. Ardika, A. N. Cahyo, W. Azmi, And M. Munir, “Implementasi Teknologi Data Mining Dan Notifikasi Bot Untuk Mendukung Keputusan Trading Cryptocurrency,” Vol. 15, 2025.
A. Karim, B. Bangun, S. Prayetno, And M. Afrendi, “Optimasi Prediksi Harga Sawit Menggunakan Teknik Stacking Algoritma Machine Learning Dan Deep Learning Dengan Smote,” Vol. 7, No. 1, 2025.
M. K. Najib And S. Nurdiati, “Pemodelan Deret Waktu Menggunakan Non-Linear Autoregressive Neural Network: Studi Kasus Prediksi Harga Saham Mandiri,” Jambura J. Math., Vol. 7, No. 2, Pp. 213–220, Aug. 2025, Doi: 10.37905/Jjom.V7i2.33397.
A. Kurniawan And H. Suriadi, “Prediksi Arah Harga Cryptocurrency Menggunakan Hybrid Lstm Encoder Dan Xgboost Head: Implementasi Dan Evaluasi Pada 10 Aset Digital Utama,” Vol. 1, No. 2, 2025.
A. Rasyid, A. B. Muharam, And A. Solichin, “Prediksi Harga Saham Syariah Indonesia Berdasarkan Analisis Fundamental, Teknikal Dan Bandarmology Menggunakan Metode Random Forest,” Jipi J. Ilm. Penelit. Dan Pembelajaran Inform., Vol. 10, No. 2, Pp. 1663–1677, May 2025, Doi: 10.29100/Jipi.V10i2.7855.
M. Lumangkun, M. Swari, And A. Sihananto, “Peningkatan Akurasi Prediksi Saham Bbca Menggunakan Arsitektur Hybrid Lstm-Gru Berbasis Optimasi Algoritma Genetika,” Pros. Semin. Nas. Penelit. Dan Pengabdi. Kpd. Masy..
A. F. Aprilia, W. S. J. Saputra, And A. F. Adziima, “Analisis Perbandingan Kinerja Model Lstm, Xgboost, Dan Hybrid Lstm–Xgboost Untuk Prediksi Harga Saham,” Vol. 3, No. 1, 2026.
Y. Perdana, N. R. Hanum, A. Rabiula, And Y. Anzari, “Analisis Perbandingan Model Gru Dan Lstm Untuk Prediksi Harga Saham Bank Rakyat Indonesia,” 2025.
“Cnn-Gru-Xgboost Stock Price Prediction Model Under Hyperparameter-Based Optimisation,” Financ. Eng. Risk Manag., Vol. 7, No. 5, 2024, Doi: 10.23977/Ferm.2024.070519.
M. Nabipour, P. Nayyeri, H. Jabani, And A. Mosavi, “Deep Learning For Stock Market Prediction”.
B. N. Jagadesh Et Al., “Enhanced Stock Market Forecasting Using Dandelion Optimization-Driven 3d-Cnn-Gru Classification,” Sci. Rep., Vol. 14, No. 1, P. 20908, Sep. 2024, Doi: 10.1038/S41598-024-71873-7.
M. R. Ananda And J. Sutopo, “Komparasi Model Deep Learning Dalam Prediksi Harga Saham Pada Sektor Pertambangan Indonesia,” Vol. 7, No. 4, 2025.
A. Faqih And T. Sugihartono, “Perbandingan Algoritma Xgboost Dan Lstm Dalam Prediksi Harga Saham Tesla Menggunakan Data Tahun 2025,” J. Pendidik. Dan Teknol. Indones., Vol. 5, No. 6, Pp. 1563–1573, Jun. 2025, Doi: 10.52436/1.Jpti.836.
A. Nilsen, “Perbandingan Model Rnn, Model Lstm, Dan Model Gru Dalam Memprediksi Harga Saham-Saham Lq45,” J. Stat. Dan Apl., Vol. 6, No. 1, Pp. 137–147, Jun. 2022, Doi: 10.21009/Jsa.06113.
J. W. Limtara, W. Alfando, R. Cangniago, And A. J. Thomas, “Perbandingan Prediksi Harga Closing Saham Bca Menggunakan Adaboost, Xgboost, Catboost”.
B. Jange, “Prediksi Harga Saham Bank Bca Menggunakan Xgboost,” Arbitr. J. Econ. Account., Vol. 3, No. 2, Pp. 231–237, Nov. 2022, Doi: 10.47065/Arbitrase.V3i2.495.
A. M. Safira And K. M. Hindrayani, “Prediksi Harga Saham Di Indonesia Dengan Extreme Gradient Boosting Yang Dioptimalkan Oleh Adaptive Particle Swarm Optimization,” Vol. 9, No. 1, 2026.
C. Chen, L. Xue, And W. Xing, “Research On Improved Gru-Based Stock Price Prediction Method,” Appl. Sci., Vol. 13, No. 15, P. 8813, Jul. 2023, Doi: 10.3390/App13158813.
A. Wong Et Al., “Short-Term Stock Price Forecasting Using Exogenous Variables And Machine Learning Algorithms,” May 17, 2023, Arxiv: Arxiv:2309.00618. Doi: 10.48550/Arxiv.2309.00618.
Y. Zhang, “Stock Price Prediction Method Based On Xgboost Algorithm,” In Proceedings Of The 2022 International Conference On Bigdata Blockchain And Economy Management (Icbbem 2022), Vol. 5, D. Qiu, Y. Jiao, And W. Yeoh, Eds., In Atlantis Highlights In Intelligent Systems, Vol. 5. , Dordrecht: Atlantis Press International Bv, 2023, Pp. 595–603. Doi: 10.2991/978-94-6463-030-5_60.
V. P. Ramadhan And F. Y. Pamuji, “Analisis Perbandingan Algoritma Forecasting Dalam Prediksi Harga Saham Lq45 Pt Bank Mandiri Sekuritas (Bmri),” J. Teknol. Dan Manaj. Inform., Vol. 8, No. 1, Pp. 39–45, Jul. 2022, Doi: 10.26905/Jtmi.V8i1.6092.
Khalis Sofi, Aswan Supriyadi Sunge, Sasmitoh Rahmad Riady, And Antika Zahrotul Kamalia, “Perbandingan Algoritma Linear Regression, Lstm, Dan Gru Dalam Memprediksi Harga Saham Dengan Model Time Series,” Seminastika, Vol. 3, No. 1, Pp. 39–46, Nov. 2021, Doi: 10.47002/Seminastika.V3i1.275.
S. L. Kinanti And I. Rozana, “Perbandingan Performa Model Garch, Lstm Dan Hybrid Untuk Prediksi Harga Saham Syariah Jii,” Riggs J. Artif. Intell. Digit. Bus., Vol. 4, No. 3, Pp. 7404–7411, Oct. 2025, Doi: 10.31004/Riggs.V4i3.3109.
Nabilah Selayanti, Dwi Amalia Putri, Trimono Trimono, And Mohammad Idhom, “Prediksi Harga Penutupan Saham Bbri Dengan Model Hybrid Lstm-Xgboost,” Inform. J. Tek. Inform. Dan Multimed., Vol. 5, No. 1, Pp. 52–64, May 2025, Doi: 10.51903/Informatika.V5i1.1011.
G. Ramadhani, U. Mahdiyah, And R. Wulanningrum, “Prediksi Harga Saham Batubara Menggunakan Recurrent Neural Network (Rnn),” 2025.
