Penerapan Metode Least Mean Square (LMS) Untuk Prediksi Harga Saham BBRI (Studi Kasus: Data Harga Penutupan Harian (April 2025 – April 2026))
Keywords:
Least Mean Square, Prediksi Harga Saham, BBRI, Gradient Descent, Adaptive FilterAbstract
Penelitian ini membahas penerapan algoritma Least Mean Square (LMS) yang dikembangkan oleh Widrow & Hoff (1960) untuk memprediksi harga saham PT Bank Rakyat Indonesia Tbk (BBRI) berdasarkan data harga penutupan harian. LMS merupakan algoritma adaptif berbasis gradient descent yang memperbarui bobot secara iteratif untuk meminimalkan Mean Squared Error (MSE) antara prediksi dan nilai aktual. Dataset yang digunakan terdiri dari 237 data harian dalam rentang April 2025 hingga April 2026. Data dibagi menjadi 80% data latih (188 sampel) dan 20% data uji (48 sampel). Hasil eksperimen menunjukkan bahwa model LMS mampu menghasilkan prediksi dengan Mean Absolute Percentage Error (MAPE) sebesar 1,38% pada data latih dan 1,57% pada data uji, mengindikasikan tingkat akurasi yang baik untuk prediksi satu langkah ke depan (one-step ahead forecasting).
Downloads
References
Haykin, S. (2002). Adaptive filter theory (4th ed.). Prentice Hall.
Jiang, Y. (2025). Stock Price Prediction Based on Machine Learning. Advances in Economics, Management and Political Sciences, 224(1). https://doi.org/10.54254/2754-1169/2025.bl28061
Komansilan, R., Tarigan, V., & Yusupa, A. (2024). Analisis Perbandingan Metode Trend Moment dan Regresi Linear Untuk Meramal Harga Saham Bank BRI. Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD, 7(1). https://ojs.trigunadharma.ac.id/index.php/jsk/index
Kurnia, F. A., Hardianti, M., Sinurat, M., & Cahyadi, L. (2025). Analisis Prediksi Harga Saham PT. BCA Dengan Menggunakan Metode ARIMA. ECo-Fin, 7(2). https://doi.org/10.32877/ef.v7i2.2373
Lewis, C. D. (1982). Industrial and business forecasting methods. Butterworth Scientific.
Piero, D. (2024). PENGARUH RISIKO PERUBAHAN SUKU BUNGA PADA VOLUME TRANSAKSI DAN HARGA SAHAM BANK BRI PERIODE JULI 2023-JULI 2024. Program Studi S1 Management, UPN Veteran Jakarta.
Rakimad Usman, D., Ramadhan, M., Hutasuhut, M., Jaya, H., Gunawan, R., Kusnasari, S., Informasi, S., & Triguna Dharma, S. (2024). Implementasi Data Mining Untuk Memprediksi Pergerakan Harga Saham Bri Dengan Menggunakan Metode Regresi Linier Berganda. Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD, 7(1). https://ojs.trigunadharma.ac.id/index.php/jsk/index
Rusyida, W. Y., & Pratama, V. Y. (2020). Prediksi Harga Saham Garuda Indonesia di Tengah Pandemi Covid-19 Menggunakan Metode ARIMA. Square : Journal of Mathematics and Mathematics Education, 2(1). https://doi.org/10.21580/square.2020.2.1.5626
Saputro, D., & Swanjaya, D. (2023). Analisa Prediksi Harga Saham Menggunakan Neural Network Dan Net Foreign Flow. Generation Journal, 7(2). https://doi.org/10.29407/gj.v7i2.20001
Shakeel, A., Tanaka, T., & Kitajo, K. (2020). Time-series prediction of the oscillatory phase of eeg signals using the least mean square algorithm-based ar model. Applied Sciences (Switzerland), 10(10). https://doi.org/10.3390/app10103616
Sun, J. (2025). Stock price prediction model based on machine learning. Transactions on Computer Science and Intelligent Systems Research, 9. https://doi.org/10.62051/0e4z6k33
Wachdah, F. L. (2025). Optimalisasi Prospek Investasi dan Trading pada Saham PT Bank Rakyat Indonesia Tbk (BBRI). In Jurnal Nirta : Studi Inovasi (Vol. 5, Issue 1). https://ejournal.nlc-education.or.id/
Widrow, B., & Hoff, M. E. (1960). Adaptive switching circuits. IRE WESCON Convention Record, 4, 96—104.
Zapar, R., Pratama, D., Kaslani, K., Rohmat, C. L., & Faturrohman, F. (2024). PENERAPAN MODEL REGRESI LINIER UNTUK PREDIKSI HARGA SAHAM BANK BCA PADA BURSA EFEK INDONESIA. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1). https://doi.org/10.36040/jati.v8i1.8215
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Cindy Christina Br Bukit, Fatiha Aini Rahayu, Yurni Anti (Author)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
