Saham merupakan investasi yang banyak dipilih para investor karena saham mampu memberikan tingkat keuntungan menarik. Perubahan naik turun harga pasar saham mempengaruhi keputusan pembelian dan penjualan saham dimana keputusan tersebut tidak terjadi setiap hari. Penelitian ini menggunakan salah satu dari metode Deep Reinforcement Learning, yaitu Proximal Policy Optimization untuk memprediksi keputusan pembelian dan penjualan saham. Data yang digunakan adalah indikator dari analisis teknikal dan data history. Metode Proximal Policy Optimization memungkinkan optimasi policy berulang berdasarkan data sampel sebelumnya untuk mengurangi kompleksitas sampel. Metode Proximal Policy Optimization menghasilkan rewards untuk memaksimalkan profit. Hasil dari penelitian ini akan menghasilkan keputusan untuk mendapatkan profit kumulatif yang optimal selama satu tahun.

Saham, Indikator, Deep Reinforcement Learning, Proximal Policy Optimization, Prediksi keputusan pembelian dan penjualan saham, Keuntungan

• Heri Ngarianto, S.Kom, M.TI

• Noviyanti Tri Maretta Sagala, S.TI, M.Sc