ABSTRAK

Pasar saham menawarkan potensi keuntungan yang besar, namun risiko kerugian
juga tinggi jika pemilihan saham dan waktu transaksi tidak dilakukan secara tepat.
Swing trading menjadi salah satu strategi populer karena memanfaatkan fluktuasi
harga jangka menengah. Dalam strategi ini, analisis teknikal sangat penting untuk
mengidentifikasi sinyal beli dan jual. Indikator seperti Moving Average, MACD,
dan Stochastic Oscillator sering digunakan dalam menentukan titik transaksi.
Namun, akurasi indikator teknikal konvensional masih memiliki keterbatasan. Oleh
karena itu, penelitian ini mengusulkan pendekatan dua tahap, yaitu penggabungan
analisis teknikal dengan algoritma Long Short-Term Memory (LSTM) untuk
meningkatkan akurasi prediksi harga saham. Selain itu, penelitian ini juga
membandingkan dua metode evaluasi model, yaitu data splitting dan cross
validation. Hasil penelitian menunjukkan bahwa model gabungan ini mampu
memberikan akurasi prediksi yang lebih tinggi dan menghasilkan pilihan saham
dengan tren harga naik yang lebih konsisten dibandingkan metode konvensional.
Penelitian ini bermanfaat bagi investor individu, analis pasar modal, dan
pengembang sistem rekomendasi saham berbasis data. Untuk penelitian
selanjutnya, disarankan eksplorasi indikator teknikal tambahan serta penerapan
arsitektur deep learning lainnya guna meningkatkan generalisasi model terhadap
berbagai kondisi pasar.