IMPLEMENTASI HYBRID MODEL CEEMDAN-ARIMA-LSTM PREDIKSI HARGA SAHAM PENUTUP

Pergerakan harga saham yang bersifat non-linear dan non-stasioner menjadi tantangan utama dalam proses peramalan deret waktu. Penelitian ini mengusulkan model hybrid CEEMDAN–ARIMA–LSTM untuk meningkatkan akurasi prediksi harga penutupan saham PT Industri Jamu dan Farmasi Sido Muncul Tbk (SIDO). Metode CEEMDAN digunakan untuk mendekomposisi data saham menjadi beberapa Intrinsic Mode Functions (IMF), yang selanjutnya dianalisis menggunakan Sample Entropy (SampEn) guna mengidentifikasi tingkat kompleksitas dan menentukan model yang paling sesuai. Komponen dengan karakteristik linier diprediksi menggunakan ARIMA, sedangkan komponen non-linier dimodelkan menggunakan LSTM. Hasil prediksi dari seluruh IMF kemudian direkonstruksi menjadi nilai akhir. Evaluasi kinerja menggunakan MAPE, MAE, RMSE, dan R² menunjukkan bahwa model hybrid memberikan akurasi yang lebih tinggi dibandingkan model tunggal, dengan nilai MAPE yang termasuk dalam kategori sangat akurat. Temuan ini menegaskan bahwa integrasi CEEMDAN dengan pendekatan statistik dan deep learning mampu menangani dinamika kompleks pada data saham serta meningkatkan kualitas prediksi secara signifikan.