Analisis Time Series Prediksi Penutupan Harga Saham Antm.Jk Dengan Algoritma SVM Model Regresi
DOI:
https://doi.org/10.51977/jti.v1i1.92Keywords:
Prediksi, Saham, Support Vector Machine, Time SeriesAbstract
Prediksi harga saham berguna untuk para investor untuk mengetahui bagaimana alur investasi bekerja pada masa yang akan datang. Untuk mendapatkan keuntungan yang besar investor dapat melakukan analisis dalam memprediksi harga saham. Namun investor tidak dapat memprediksi harga saham dengan mudah dikarenakan fluktuasi harga saham. Harapan setiap investor adalah mendapat suatu keuntungan, bergantung pada setiap harga pada masing-masing harga saham berubah dari waktu ke waktu, atau biasa dikenal sebagai data runtun waktu (time series). Data mining juga biasa disebut sebagai knowledge discovery in data base, dengan cara yang meliputi pengumpulan, penggunaan data, sejarah dari pola hubungan data, dan hubungan dalam set data yang berukuran besar. Support Vector Machine (SVM) memiliki kelebihan dalam memecahkan masalah prediksi dengan akurat. PT Aneka Tambang Tbk (PT Antm) merupakan perusahaan di Indonesia yang bergerak di bidang pertambangan. Analisis prediksi harga saham PT. Antm.JK dengan menggunakan algoritma SVM memiliki nilai yang baik, ditandai dengan nilai terendah RMSE dengan nilai 22.662, nilai tersebut masih belum optimal untuk hasil prediksi, maka dilakukan optimasi parameter untuk meningkatkan hasil dari prediksi. Hasil yang diperoleh setelah dilakukan optimasi parameter menggunakan algoritma genetika yaitu nilai terendah RMSE didapat sebesar 10.495, hasil tersebut dapat disimpulkan baik untuk dilakukan prediksi harga saham dengan menggunakan algoritma SVM dengan optimasi parameter menggunakan algoritma genetika.
Kata Kunci: Prediksi, Saham, Support Vector Machine, Time Series
Downloads
Downloads
Published
Issue
Section
License
Copyright Notice
Proposed policy for journals offering open access. The requirements for authors are as follows:
- Authors retain copyright and grant the journal the right of first publication simultaneously under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) license. This license allows others to copy and redistribute the material in any medium or format, including remixing, transforming, and building upon the material for any purpose, even commercially
- .Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their websites), such as on Garuda, Academia, ResearchGate, or other repositories, prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (see: The Effect of Open Access).

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.