Prediksi Saham TLKM

Terakhir Tanggal Diperbarui

June 12, 2025

Terakhir Model Dilatih

June 12, 2025

Petunjuk Penggunaan

  • Klik tombol "Latih Model" untuk memulai proses pelatihan model prediksi harga saham.
  • Sistem akan mengambil data terbaru dan melakukan pelatihan model selama 50 epoch.
  • Jika pelatihan belum mencapai 45 epoch, Anda dapat mengulangi pelatihan secara manual.
  • Sistem hanya memperbolehkan satu proses pelatihan dalam satu waktu. Jika sudah ada pelatihan yang berjalan, Anda akan diarahkan untuk menunggu hingga proses tersebut selesai.
  • Setiap kali pelatihan dimulai, data lama akan dihapus dan hasil prediksi terbaru akan digenerate secara otomatis.
  • Pelatihan otomatis juga akan dilakukan setiap hari pada pukul 02:00 WIB.
Plot Prediksi Hari Berikutnya

Plot Prediksi Hari Berikutnya menampilkan visualisasi antara nilai aktual dan nilai yang diprediksi oleh model untuk periode waktu mendatang.

Analisis Harga - 12 June 2025

Pada tanggal 12 June 2025, harga penutupan terakhir tercatat sebesar Rp 2,780.00.

Prediksi harga berikutnya adalah Rp 2,766.60 ↘️, yang menunjukkan perubahan sebesar Rp -13.40 atau -0.48%.

Tren prediksi saat ini adalah turun dengan tren harga 60 hari terakhir juga naik.

Tingkat volatilitas dalam 60 hari terakhir mencapai 6.83%, dengan harga tertinggi Rp 2,910.00 pada 10 June 2025 dan harga terendah Rp 2,290.00 pada 08 April 2025.

Kesimpulan Analisis:

Terjadi perbedaan tren antara prediksi dan pergerakan terbaru, menunjukkan ketidakpastian pasar. Volatilitas yang tinggi terdeteksi dalam data historis.

PERHATIAN: Analisis ini BUKAN merupakan rekomendasi investasi atau pembelian saham. Hasil ini hanya merupakan alat analisis tambahan yang dihasilkan oleh model machine learning berdasarkan data historis yang terbatas (hanya menggunakan data Open, High, Low, Close, dan Volume).

Keputusan investasi seharusnya mempertimbangkan berbagai faktor lain termasuk analisis fundamental, kondisi pasar secara keseluruhan, dan berkonsultasi dengan penasihat keuangan profesional.

Prediksi Hari Berikutnya Plot

Gambar di atas menunjukkan pergerakan harga saham aktual dalam 60 hari dan sebuah harga prediksi untuk hari berikutnya.

Perbarui Data dan Latih Model

Tersedia pada jam 18.00 WIB - 08.00 WIB

⚠️ Model hanya dilatih sebanyak 0 epoch. Disarankan untuk melakukan training ulang agar hasil prediksi lebih akurat.
Chart 30 Hari Terakhir

Candlestick Chart Preview 30 Hari

Chart di atas adalah sebuah visualisasi open,high,low,close dari 30 hari terbaru dari saham TLKM.

MAE

MAE (Mean Absolute Error) adalah rata-rata dari nilai absolut selisih antara nilai prediksi dan nilai aktual. MAE memberi gambaran langsung tentang rata-rata kesalahan model dalam satuan aslinya.

  • MAE bersifat linear — tidak memperbesar dampak error yang besar seperti MSE/RMSE.
  • Sangat berguna jika kamu ingin menghitung kesalahan rata-rata yang tidak terlalu terpengaruh outlier.
  • Lebih mudah diinterpretasikan karena dalam satuan aslinya.
Ringkasan Analisis: Nilai MAE berkisar antara 48.76 hingga 55.82.
Performa terbaik tercatat pada 2025-04-21 dengan nilai 48.76,
dan performa terburuk terjadi pada 2025-04-23 dengan nilai 55.82.
Rata-rata nilai MAE adalah 51.05 dengan tren stabil.
Dalam periode terbaru, model menunjukkan penurunan performa dalam waktu dekat.
Stabilitas performa: Tinggi (fluktuasi sebesar 7.06).

Kesimpulan MAE:
Rata-rata kesalahan prediksi sebesar 51.05 unit, tergolong cukup.
MAE Plot

Gambar di atas menunjukkan fluktuasi kesalahan absolut model dalam melakukan prediksi.

MAPE

MAPE (Mean Absolute Percentage Error) adalah salah satu metrik evaluasi yang umum digunakan untuk mengukur seberapa akurat model dalam memprediksi nilai dibandingkan dengan nilai aktualnya. MAPE dihitung sebagai rata-rata dari persentase kesalahan absolut antara nilai aktual dan prediksi.

  • Semakin rendah nilai MAPE, semakin baik performa model.
  • MAPE = 0% berarti model sangat akurat, tanpa kesalahan prediksi sama sekali.
  • MAPE di bawah 10% umumnya dianggap sangat baik untuk model prediktif dalam domain keuangan.
Ringkasan Analisis: Nilai MAPE berkisar antara 1.34% hingga 1.57%.
Performa terbaik tercatat pada 2025-03-20 dengan nilai 1.34%,
dan performa terburuk terjadi pada 2025-04-23 dengan nilai 1.57%.
Rata-rata nilai MAPE adalah 1.42% dengan tren stabil.
Dalam periode terbaru, model menunjukkan penurunan performa dalam waktu dekat.
Stabilitas performa: Tinggi (fluktuasi sebesar 0.22%).

Kesimpulan MAPE:
Tingkat akurasi model tergolong baik sekali (1-3%) dengan rata-rata kesalahan 1.42%.
Model ini cukup akurat dalam memprediksi nilai.
MAPE Plot

Visualisasi di atas menunjukkan fluktuasi nilai MAPE selama proses evaluasi model terhadap data testing. Grafik membantu memahami konsistensi performa model dari waktu ke waktu.

MSE

MSE (Mean Squared Error) adalah metrik evaluasi yang mengukur rata-rata dari kuadrat selisih antara nilai prediksi dan nilai aktual. Nilai ini sensitif terhadap kesalahan besar karena setiap selisih dikuadratkan.

  • Semakin rendah MSE, semakin akurat modelnya.
  • Nilai besar pada MSE menunjukkan bahwa model menghasilkan error yang besar (mungkin ada outlier).
  • MSE sangat berguna dalam proses optimasi karena bersifat diferensiabel.
Ringkasan Analisis: Nilai MSE berkisar antara 4330.17 hingga 5463.96.
Performa terbaik tercatat pada 2025-05-08 dengan nilai 4330.17,
dan performa terburuk terjadi pada 2025-04-23 dengan nilai 5463.96.
Rata-rata nilai MSE adalah 4763.66 dengan tren stabil.
Dalam periode terbaru, model menunjukkan penurunan performa dalam waktu dekat.
Stabilitas performa: Sedang (fluktuasi sebesar 1133.79).

Kesimpulan MSE:
Rata-rata kesalahan kuadrat adalah 4763.66, tergolong cukup.
MSE Plot

Grafik ini memperlihatkan tren kesalahan kuadrat model dari waktu ke waktu pada data pengujian.

RMSE

RMSE (Root Mean Squared Error) adalah akar dari MSE. Ini menyajikan rata-rata kesalahan prediksi dalam satuan yang sama seperti data aslinya, sehingga lebih mudah dipahami.

  • Semakin rendah RMSE, semakin kecil rata-rata kesalahan prediksi.
  • RMSE lebih peka terhadap error besar dibanding MAE.
  • Berguna untuk mengetahui seberapa besar deviasi prediksi terhadap kenyataan dalam satuan yang nyata.
Ringkasan Analisis: Nilai RMSE berkisar antara 65.80 hingga 73.92.
Performa terbaik tercatat pada 2025-05-08 dengan nilai 65.80,
dan performa terburuk terjadi pada 2025-04-23 dengan nilai 73.92.
Rata-rata nilai RMSE adalah 69.00 dengan tren stabil.
Dalam periode terbaru, model menunjukkan penurunan performa dalam waktu dekat.
Stabilitas performa: Tinggi (fluktuasi sebesar 8.11).

Kesimpulan RMSE:
RMSE model adalah 69.00 unit, tergolong cukup.
RMSE Plot

Visualisasi menunjukkan kestabilan model dalam menjaga kesalahan prediksi dalam skala yang dapat diterima.

Plot Training Loss

Training Loss menunjukkan bagaimana model belajar selama proses pelatihan. Grafik ini memvisualisasikan penurunan kesalahan prediksi seiring bertambahnya epoch.

  • Kurva loss yang menurun stabil menandakan model belajar dengan baik.
  • Jika loss stagnan atau naik, bisa jadi overfitting atau masalah data.
  • Idealnya, training loss harus rendah namun tidak terlalu kecil secara ekstrim.

Laporan Analisis Pelatihan Model - 2025-06-12

Metrik Performa

  • Loss Akhir Pelatihan: 0.000376
  • Loss Akhir Validasi: 0.000323
  • Rasio Loss Validasi/Pelatihan: 0.86
  • Total Epoch Pelatihan: 50

Analisis

Model menunjukkan kemampuan sangat baik dalam menyesuaikan diri dengan data pelatihan. Nilai loss sangat rendah.

Loss pelatihan dan validasi seimbang. Ini menunjukkan generalisasi model yang baik terhadap data baru.

Evaluasi Jumlah Epoch

Jumlah epoch cukup ideal untuk proses pelatihan awal. Namun, bisa ditingkatkan jika diperlukan untuk meningkatkan akurasi.

Interpretasi Model Saham TLKM

Model LSTM menunjukkan kemampuan prediksi yang sangat baik terhadap pergerakan harga saham TLKM.

Nilai error validasi yang rendah menandakan bahwa model mampu menangkap pola harga dengan baik.

Implikasi untuk Strategi Trading

Sinyal dari model ini dapat digunakan dengan tingkat kepercayaan TINGGI.

Sebaiknya gunakan sinyal dari model ini bersama indikator teknikal lain untuk menghindari sinyal palsu.

Perlu dilakukan pemantauan rutin terhadap performa model seiring perubahan kondisi pasar.

Kesimpulan

Model LSTM ini sangat layak digunakan dalam strategi trading saham TLKM. Nilai loss yang rendah mendukung penggunaannya secara semi-otomatis dengan manajemen risiko yang baik.

Training Plot

Penurunan loss yang stabil mengindikasikan model memahami pola historis dengan baik tanpa overfitting yang signifikan.

Plot Full Prediksi vs Aktual

Plot ini membandingkan hasil prediksi model terhadap data aktual dalam periode penuh yang digunakan dalam training dan validasi.

  • Pada bagian validasi garis prediksi(garis hijau) yang mengikuti garis aktual(garis kuning) menunjukkan kualitas model yang baik.
  • Perbedaan mencolok menunjukkan momen ketika model kesulitan menangkap pola.
Grafik memperlihatkan bahwa model mampu mengikuti tren pergerakan harga secara umum, dengan kesalahan kecil pada titik-titik volatilitas tinggi. Hal tersebut masih wajar dan bisa diperbaiki dengan melakukan penyesuaian pada model atau menambahkan informasi tambahan.
Full Prediksi vs Aktual Plot

Visualisasi ini memberikan gambaran umum seberapa baik model menangkap dinamika pasar secara historis.

Plot Prediksi vs Aktual 60 Hari

Visualisasi ini fokus pada prediksi harga saham untuk 60 hari terakhir terhadap harga aktual. Bagian ini penting untuk menilai performa model di masa terbaru.

  • Merefleksikan kemampuan model untuk memproyeksikan tren jangka pendek.
  • Perlu perhatian terhadap outlier atau lonjakan tiba-tiba.
Berdasarkan analisis data 60 hari terakhir, harga rata-rata aktual adalah 2562.83, sedangkan harga rata-rata hasil prediksi model mencapai 2530.29. Selama periode tersebut, harga tertinggi tercatat sebesar 2910.00 dan harga terendah sebesar 2290.00. Rentang fluktuasi harga mencapai 620.00.

Pergerakan harga aktual dalam 10 hari terakhir menunjukkan tren TURUN, sementara tren prediksi model menunjukkan arah NAIK. Kesesuaian arah tren ini dapat dikatakan KURANG AKURAT.

Perbedaan rata-rata antara prediksi dan data aktual sebesar 2.18%, menunjukkan bahwa model ini cukup mampu mengikuti pola harga saham yang sebenarnya.
Analisis juga mencatat 14 puncak dan 13 lembah harga dalam periode tersebut, serta tingkat volatilitas yang TINGGI.

Secara keseluruhan, model memberikan gambaran tren yang perlu dikaji ulang dalam memperkirakan pergerakan harga saham.

Analisis ini dibuat pada 12-06-2025.
Plot Prediksi vs Aktual Plot 60 Hari

Evaluasi akurasi jangka pendek ini krusial untuk trader harian atau swing trader.

Plot Hasil Prediksi vs Aktual

Ini adalah ringkasan akhir hasil prediksi model terhadap data aktual yang disajikan dalam bentuk visual akhir. Umumnya digunakan sebagai insight performa keseluruhan model sebelum deployment.

  • Menunjukkan performa real-time atau pada data out-of-sample.
  • Dapat dijadikan acuan untuk evaluasi penggunaan model di sistem nyata.

Analisis Kinerja Prediksi Harga (05 March 2025 - 11 June 2025)

Berdasarkan analisis data prediksi harga selama periode 05 March 2025 hingga 11 June 2025, sistem prediksi menunjukkan:

  • Akurasi: 98.14%
  • MAPE: 1.86%
  • RMSE: 60.18

Tren Pergerakan Harga

Tren naik secara keseluruhan

Model prediksi menunjukkan kemampuan mendeteksi arah tren dengan akurasi 42.86%. Pola pergerakan cukup fluktuatif

Performa Prediksi

  • Prediksi Terbaik: 2025-03-18 dengan error hanya 0.15%
  • Prediksi Terburuk: 2025-03-26 dengan error mencapai 5.04%
  • Performa Minggu Terakhir: MAPE sebesar 1.72%

Volatilitas dan Prediksi

Model menunjukkan performa yang lebih buruk pada periode volatilitas tinggi dibandingkan volatilitas rendah.

Kesimpulan dan Rekomendasi

Secara keseluruhan, model prediksi harga menunjukkan performa yang sangat baik dengan akurasi yang sangat tinggi.

Model dapat ditingkatkan dengan meningkatkan sensitivitas terhadap perubahan volatilitas tinggi.

Hasil Prediksi vs Aktual Plot

Plot ini menjadi jembatan antara hasil pelatihan dan implementasi di dunia nyata.