IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE DALAM MEMPREDIKSI HARGA SAHAM PT. KRAKATAU STEEL TBK

Penulis

  • Reza Kurniawan Universitas Budi Luhur
  • Dian Anubhakti Universitas Budi Luhur

Kata Kunci:

Krakatau Steel, Prediksi, Data Mining, Support Vector Machine

Abstrak

PT. Krakatau Steel, Tbk merupakan salah satu perusahaan di Indonesia yang menerbitkan saham. Sama dengan perusahaan pada umumnya, PT. Krakatau Steel, Tbk menerbitkan saham dengan tujuan untuk memperoleh tambahan dana, yang mana hal tersebut bermanfaat untuk bisnisnya. Keuntungan yang ada di masa depan tentu merupakan tujuan para investor dalam berinvestasi saham pada PT. Krakatau Steel, Tbk. Memprediksi harga saham PT. Krakatau Steel, Tbk merupakan solusi yang dapat digunakan oleh para investor untuk memaksimalkan keuntungan dan meminimalisir risiko dalam berinvestasi saham pada PT. Krakatau Steel, Tbk. Namun, seperti harga saham pada umumnya, sifat harga saham PT. Krakatau Steel, Tbk yang fluktuatif menyulitkan investor dalam memprediksi harga saham. Penelitian ini bertujuan untuk memprediksi harga saham PT. Krakatau Steel, Tbk menggunakan algoritma Support Vector Machine (SVM) dengan menerapkan Cross-Industry Standard Process for Data Mining (CRISP-DM). Data yang digunakan pada penelitian ini adalah data harga saham PT. Krakatau Steel, Tbk (KRAS.JK) periode 14 Juni 2017 - 13 Juni 2023. Sejumlah 1501 record data yang bersumber dari website Yahoo! Finance dilakukan preprocessing sehingga tersisa 1444 record dan 5 atribut. Pemodelan dilakukan dengan algoritma Support Vector Machine (SVM), mengkomparasi dengan algoritma Random Forest dan Linear Regression, serta dengan jumlah data training dan teknik pembagian data split data dan cross validation. Hasilnya, nilai RMSE dan MAE terkecil dari SVM, Random Forest, dan Linear Regression masing-masing 3.296 dan 2.432, 4.086 dan 3.211, serta 3.732 dan 2.657. Pemodelan dengan algoritma Support Vector Machine (SVM) dengan rasio split data 90:10 dipilih sebagai model terbaik dengan dilakukan tuning parameter sehingga dihasilkan nilai RMSE dan MAE masing-masing sebesar 2.748 dan 2.019. Model tersebut menghasilkan nilai prediksi yang cukup baik untuk harga saham PT. Krakatau Steel, Tbk sehingga dapat menjadi acuan bagi para investor saat mengambil keputusan untuk berinvestasi saham pada PT. Krakatau Steel, Tbk.

Referensi

A. Pratomo, R. Febrian Umbara, and A. A. Rohmawati, “Prediksi Pergerakan Harga Saham dengan Metode Random Forest Menggunakan Trend Deterministic Data Preparation ( Studi Kasus Saham Perusahaan PT Astra International Tbk, PT Garuda Indonesia Tbk, dan PT Indosat Tbk ),” eProceedings of Engineering., vol. 6, no. 1, pp. 2545-2556, Apr. 2019.

A. B. Untoro, “Prediksi Harga Saham Dengan Menggunakan Jaringan Syaraf Tiruan,” Jurnal Teknologi Informatika dan Komputer., vol. 6, no. 2, pp. 103–111, Sep. 2020.

M. Fajar, D. Mahdiana, A. Diana, and G. Triyono, “Peramalan Harga Saham Uber Menggunakan Algoritma Support Vector Machine,” 2 nd Seminar Nasional Mahasiswa Fakultas Teknologi Informasi., vol. 2, no. 1, pp. 304-308, Apr. 2023.

C. Rahmadayanti, H. Rabbani, and A. A. Rohmawati, “Model GARCH dengan Pendekatan Conditional Maximum Likelihood untuk Prediksi Harga Saham,” Indonesian Journal on Computing (Indo-JC)., vol. 3, no. 2, pp. 21-28, Sep. 2018.

E. Eka Patriya, “Implementasi Support Vector Machine Pada Prediksi Harga Saham Gabungan (IHSG),” Jurnal Ilmiah Teknologi dan Rekayasa., vol. 25, no. 1, pp. 24–38, Apr. 2020.

R. Febrilia, T. Wulandari, and D. Anubhakti, “Implementasi Algoritma Support Vector Machine (Svm) Dalam Memprediksi Harga Saham Pt. Garuda Indonesia Tbk,” Indonesia Journal Information System., vol. 4, no. 2, pp. 250-256. 2021.

R. Sunardi Oetama, “Prediksi Harga Saham Perusahaan Perbankan Menggunakan Regresi Linear,” ULTIMATICS., vol. 11, no. 1, pp. 11-15, Jun. 2019.

J. Syahputra, R. Dias Ramadhani, and A. Burhanudin, “Prediksi Harga Saham Bank Bri Menggunakan Algoritma Linear Regresion Sebagai Strategi Jual Beli Saham,” Data Institut Teknologi Telkom Purwokerto., vol. 2, no. 1, pp. 1–10, Feb. 2022.

M. E. Bastian, B. Rahayudi, and D. E. Ratnawati, “Prediksi Trend Harga Saham Jangka Pendek berdasarkan Fitur Technical Analysis dengan menggunakan Algoritma Random Forest,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer., vol. 5, no. 10, pp. 4536-4542, Okt. 2021.

E. N. R. Khakim, A. Hermawan, and D. Avianto, “Implementasi Correlation Matrix Pada Klasifikasi Dataset Wine,” JIKO (Jurnal Informatika dan Komputer), vol. 7, no. 1, pp. 158-166, Feb. 2023.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Kurniawan, R., & Anubhakti, D. (2023). IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE DALAM MEMPREDIKSI HARGA SAHAM PT. KRAKATAU STEEL TBK . Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 493–502. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/783

Terbitan

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>