IMPLEMENTASI ARSITEKTUR DATA PIPELINE SPARK – AIRFLOW UNTUK PERAMALAN HARGA SAHAM ICBP, MYOR, DAN GOOD MENGUNAKAN LSTM

Abstract

Industri makanan dan minuman merupakan sektor krusial dalam perekonomian Indonesia, namun menghadapi tantangan berupa volatilitas harga saham yang tinggi. Penelitian ini bertujuan membangun sistem prediksi harga saham otomatis untuk emiten PT Indofood CBP Sukses Makmur Tbk (ICBP), PT Mayora Indah Tbk (MYOR), dan PT Garudafood Putra Putri Jaya Tbk (GOOD). Metode yang digunakan adalah algoritma Long Short-Term Memory (LSTM) yang diintegrasikan dalam arsitektur data pipeline berbasis Big Data. Penelitian ini memanfaatkan Apache Spark untuk meningkatkan efisiensi pre-processing data historis serta Apache Airflow sebagai orkestrator untuk mengotomatisasi seluruh alur kerja, mulai dari akuisisi data melalui API Yahoo Finance, penyimpanan terstruktur di PostgreSQL, hingga tahap pelatihan model. Kinerja model dievaluasi menggunakan metrik RMSE, MAE, dan MAPE untuk menilai akurasi serta stabilitas prediksi. Hasil penelitian menunjukkan bahwa implementasi LSTM dalam arsitektur pipeline mampu memberikan performa prediksi yang tinggi dan konsisten. Model mencatatkan akurasi tertinggi pada saham GOOD sebesar 98,38% dengan MAPE 1,62%, disusul ICBP (98,08%) dan MYOR (97,57%). Efektivitas pipeline juga terlihat dari waktu pemrosesan yang stabil serta kemampuan sistem mempertahankan performa meski dijalankan secara terjadwal melalui Airflow