Berikut adalah Silabus 20 Sesi (masing-masing 1,5 jam) untuk topik: “Penerapan LSTM untuk Prediksi Harga Saham Berbasis Time Series Menggunakan Python” Silabus ini cocok untuk skripsi, tesis, atau pelatihan profesional, mencakup teori, praktik, dan implementasi lengkap dengan Python.
Struktur Umum
-
Total: 20 Sesi x 1,5 jam
-
Tools utama: Python, Jupyter Notebook, Keras (TensorFlow), Pandas, Matplotlib, scikit-learn
-
Dataset: Yahoo Finance, Alpha Vantage, atau CSV historis dari BEI
Silabus Detail
Tahap 1 – Dasar Teori dan Persiapan (Sesi 1–5)
Sesi 1 – Pengantar Time Series dan Prediksi Harga Saham
-
Apa itu time series
-
Perbedaan data time series vs non-time series
-
Tantangan dalam prediksi harga saham
Sesi 2 – Pengantar LSTM (Long Short-Term Memory)
-
Arsitektur RNN dan kekurangannya (vanishing gradient)
-
Konsep dasar LSTM: gate, cell state, hidden state
-
Kelebihan LSTM untuk time series
Sesi 3 – Instalasi dan Persiapan Lingkungan Python
-
Instalasi Anaconda, Jupyter Notebook
-
Instalasi library: pandas , numpy , matplotlib , tensorflow , scikit-learn , yfinance
Sesi 4 – Eksplorasi Dataset Saham
-
Mengambil data dari Yahoo Finance dengan yfinance
-
Data historis saham: OHLCV
-
Visualisasi tren harga saham
Sesi 5 – Pra-pemrosesan Data Time Series
-
Handling missing values
-
Normalisasi (MinMaxScaler)
-
Membagi data latih dan data uji
-
Mengubah data ke bentuk window (sliding window)



