IMPLEMENTASI SISTEM FORECASTING HARGA SAHAM DENGAN PEMBARUAN BERBASIS DATA TERKINI MENGGUNAKAN METODE LONG SHORT TERM MEMORY

Pertumbuhan jumlah investor saham di Indonesia belum sepenuhnya diiringi kemampuan analisis yang memadai, sehingga banyak keputusan investasi dipengaruhi oleh bias perilaku, khususnya kecenderungan mengikuti pergerakan pasar tanpa analisis yang memadai. Penelitian ini bertujuan merancang dan mengimplementasikan sistem forecasting harga saham dengan pembaruan berbasis data terkini menggunakan metode Long Short Term Memory pada saham TLKM.JK, BBCA.JK, dan BBRI.JK sebagai representasi saham blue chip di Bursa Efek Indonesia. Data historis diperoleh dari Yahoo Finance periode Januari 2020 hingga Februari 2026. Eksperimen mencakup seleksi fitur, pemilihan metode normalisasi, fungsi loss, serta hyperparameter tuning melalui grid search. Model final menggunakan arsitektur LSTM(256,128) dengan RobustScaler dan Huber loss, menghasilkan MAPE 5,08 persen pada TLKM.JK, 5,22 persen pada BBRI.JK, dan 4,34 persen pada BBCA.JK, yang seluruhnya berada di bawah 10 persen sehingga termasuk kategori prediksi sangat baik. Model diintegrasikan ke dalam sistem web Insightify berbasis FastAPI, React, dan PostgreSQL yang menyajikan prediksi 30 hari ke depan secara interaktif. Pengujian Black Box Testing menunjukkan seluruh fitur fungsional berjalan sesuai spesifikasi. Evaluasi System Usability Scale (SUS) menghasilkan skor 81,0 (Grade A) dan Net Promoter Score (NPS) menghasilkan skor 50 (kategori Excellent), yang menunjukkan sistem dapat diterima dengan baik oleh responden yang diuji.