Description

🧠 Judul Proyek:

Interactive Stock Forecast Dashboard: Predicting TLKM.JK Prices with AI Models (2020–2025)

1. Ringkasan Proyek

Proyek ini bertujuan untuk membangun sistem prediksi harga saham Telkom Indonesia (TLKM.JK) menggunakan kombinasi pendekatan statistik dan kecerdasan buatan. Sistem ini dirancang agar pengguna dapat memasukkan nama emiten dan periode waktu (2020–2025) untuk mendapatkan hasil forecast harga saham yang divisualisasikan secara interaktif dalam bentuk Line Chart antara harga aktual dan hasil prediksi.

Dashboard ini dikembangkan berbasis web, sehingga mudah diakses oleh pengguna umum maupun analis pasar modal untuk memantau tren harga dan memprediksi pergerakan saham secara cepat dan akurat.

2. Metode dan Pendekatan

Proyek menggunakan tiga pendekatan utama dalam analisis data dan peramalan harga saham:

Moving Average (MA):
Teknik smoothing yang digunakan untuk mengurangi noise dan mengidentifikasi tren harga jangka pendek serta jangka panjang. Model ini berfungsi sebagai baseline sederhana untuk membandingkan hasil model machine learning.

Linear Regression:
Model statistik yang digunakan untuk menangkap hubungan linear antara waktu dan harga saham. Regresi linear memberikan interpretasi yang mudah dan hasil cepat, namun kurang mampu menangkap fluktuasi kompleks.

Deep Learning (LSTM – Long Short-Term Memory):
Model jaringan saraf tiruan yang dirancang untuk menangkap pola temporal pada data time series. LSTM mampu mengenali hubungan jangka panjang antar data historis harga saham, menghasilkan prediksi yang lebih stabil dan akurat dibanding pendekatan konvensional.

Tahapan Proyek:

Pengumpulan data historis harga saham TLKM.JK dari Yahoo Finance (2020–2025).

Pembersihan dan normalisasi data menggunakan Pandas dan Scikit-Learn.

Implementasi model Moving Average, Linear Regression, dan LSTM.

Evaluasi performa model dengan RMSE (Root Mean Squared Error) dan MAE (Mean Absolute Error).

Visualisasi hasil prediksi dan data aktual menggunakan Matplotlib dan Plotly dalam bentuk Line Chart interaktif.

Pengembangan web dashboard menggunakan Streamlit (atau Flask) untuk menampilkan input pengguna dan hasil forecast secara real-time.

3. Hasil yang Dicapai

Model LSTM menunjukkan performa terbaik dengan tingkat error terendah (RMSE = 0.032), mengungguli model Moving Average dan Linear Regression.

Visualisasi Line Chart menunjukkan kesesuaian tren antara data aktual dan hasil prediksi, terutama pada periode kenaikan dan penurunan harga saham signifikan.

Dashboard interaktif berhasil dikembangkan dengan fitur:

Input nama emiten dan periode waktu

Tampilan grafik perbandingan harga aktual vs prediksi

Output nilai estimasi harga saham untuk periode berikutnya

Proyek ini menunjukkan bahwa integrasi teknik Deep Learning dan Visual Analytics dapat meningkatkan kualitas insight dalam analisis pasar saham.

4. Tools dan Teknologi yang Digunakan

Python: Pandas, NumPy, Scikit-Learn, TensorFlow/Keras, Matplotlib, Plotly

Web Framework: Streamlit / Flask

Data Source: Yahoo Finance API

Evaluation Metrics: RMSE, MAE