Implementasi Algoritma K-Nearest Neighbors Regression Dalam Memprediksi Harga Saham

Penulis

  • Divky Nurfauzan Universitas Budi Luhur
  • Titin Fatimah Universitas Budi Luhur

Kata Kunci:

saham , prediksi, RMSE, KNN regression

Abstrak

Dunia investasi di Indonesia saat ini berkembang pesat, berinvestasi saham menjadi peran penting dalam perkembangan suatu perusahaan untuk terus mengembangkan suatu kinerja perusahaan. Pertambahan jumlah investor dari tahun ke tahun juga mempengaruhi perkembangan saham investasi di Indonesia. Dengan adanya pergerakan harga saham yang fluktuatif, perlu dilakukan pemodelan untuk melakukan prediksi kenaikan dan penurunan nilai saham. Melalui penggunaan statistik data, machine learning dilatih untuk membuat suatu prediksi. Nantinya akan membangun model machine learning yang sederhana dengan dataset yang digunakan sesuai dengan kemampuan yang dimiliki algoritma k-nearest neighbors regression.  Dalam penelitian ini penulis mumutuskan untuk memilih sample data dari PT Bank Negara Indonesia. Penelitian ini menggunakan empat variasi indikator fitur untuk memprediksi harga penutupan saham PT Bank Negara Indonesia Tbk. Satu indikator menggunakan fitur close, dua indikator menggunakan fitur open dan close, tiga indikator menggunakan fitur open, high, dan close, empat indicator menggunakan fitur open, high, low dan close. Penulis mengambil dataset dari platform Yahoo Finance sejak bulan 2 Mei 2013 sampai 12 Juli 2022 dengan jumlah dataset 2274 data. Hasil penelitian pemodelan menggunakan k-nearest neighbors regression dengan empat variasi indikator yang berbeda, prediksi dengan menggunakan satu indikator memiliki hasil yang paling baik dengan nilai root mean squared erorr 169 dengan akurasi 98.8% dengan rasio perbandingan 70% data latih dan 30% data uji.

Referensi

Algonz, R.D.B. (2022). Machine Learning: Pengertian, Cara Kerja, Dan 3 Metodenya!. Diakses Pada 20 April 2022. Https://Www.Ekrut.Com/Media/Apa-Itu-Machine-Learning

A. Izzah And R. Widyastuti, “Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression Untuk Pencegahan Data Outlier,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, Vol. 2, No. 3, Pp. 141–150, 2017, Doi: 10.22219/Kinetik.V2i3.268.

Seruni, D. S., Furqon, M. T., & Wihandika, R. C. (2020). Sistem Prediksi Pertumbuhan Jumlah Penduduk Kota Malang Menggunakan Metode K-Nearest Neighbor Regression. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(4), 1075–1082.

Tanuwijaya, J., & Hansun, S. (2019). LQ45 Stock Index Prediction Using K-Nearest Neighbors Regression. International Journal Of Recent Technology And Engineering, 8(3), 2388–2391.

Tauran, E. (2019). Berdasarkan Data Dari Bursa Efek Indonesia Prediction Of Stock Price Of Pt Bank Central Asia Tbk Based On Data From Indonesia Stock Exchange Using K- Nearest Neighbors ( Knn ) Method. Jurnal Teika, 11(2), 123–129.

Fatah, H., & Subekti, A. (2018). Prediksi Harga Cryptocurrency Dengan Metode K-Nearest Neighbours. Jurnal Pilar Nusa Mandiri, 14(2), 137.

F. Sains And U. M. Sidoarjo, “Implementasi Data Mining Pada Pelanggan Telkom Menggunakan Metode K-Nearest Neighbor Untuk Memprediksi Status Pelayanan,” Pp. 115–119, 2022.

D. W. Farkhina Dwi Utari, Amril Mutoi Siregar Et Al., “Aplikasi Prediksi Kelulusan Mahasiswa Berbasis K-Nearest Student Graduation Prediction Using K-Nearest Neighbor ( K-Nn ),” E-Proceeding Eng., Vol. 1, No. 1, Pp. 30–36, 2019.

Cahya, (2018). Contoh Implementasi Data Mining Algoritma K-Nearest Neighbors (K-NN) Menggunakan PHP Dan Mysql Untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu. Diakses Pada 21 April 2022. Https://Cahyadsn.Phpindonesia.Id/Extra/Knn.Php#Preproses.

Khoiri, (2020). Pengertian Dan Cara Menghitung Root Mean Square Error (RMSE). Diakses Pada 21 April 2022. Https://Www.Khoiri.Com/2020/12/Cara-Menghitung-Root-Mean-Square-Error-Rmse.Html

Unduhan

Diterbitkan

30-09-2022

Cara Mengutip

Nurfauzan, D., & Fatimah, T. (2022). Implementasi Algoritma K-Nearest Neighbors Regression Dalam Memprediksi Harga Saham. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 1(1), 576–584. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/391

Terbitan

Vol 1 No 1 (2022): Prosiding SENAFTI (Buku 2 - Artificial Intelligence) September 2022

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 > >>