Publisher

UIMUIM

Journal UIM | Zeta - Math JournalUIM | Zeta - Math Journal Abstract

Prediksi harga saham memainkan peran penting dalam mendukung pengambilan keputusan investasi yang rasional di tengah volatilitas pasar modal Indonesia. Memprediksi pergerakan harga saham dengan akurat, terutama untuk saham unggulan di sektor energi seperti PT Aneka Tambang Tbk (ANTM), sangat krusial karena saham-saham ini memainkan peran kunci dalam menjaga stabilitas ekonomi nasional. Namun, sebagian besar penelitian sebelumnya terbatas pada model linear seperti ARIMA, yang kurang mampu menangkap pola data non-linear dan dinamis. Situasi ini menciptakan kesenjangan penelitian mengenai kebutuhan pendekatan yang lebih adaptif terhadap kompleksitas pasar saham. Untuk mengatasi kesenjangan ini, penelitian ini menawarkan pendekatan baru dengan menerapkan metode machine learning canggih berbasis Jaringan Syaraf Tiruan (Neural Networks/NN) untuk memprediksi harga saham PT Aneka Tambang Tbk (ANTM). Data penelitian diperoleh dari situs Investing.com, yang mencakup periode observasi dari Januari 2020 hingga Agustus 2025. Hasil menunjukkan bahwa model Jaringan Syaraf Tiruan (NN) efektif dalam memprediksi harga saham mingguan PT Aneka Tambang Tbk (ANTM), dengan kinerja terbaik dicapai menggunakan fungsi aktivasi tanh, nilai alpha 0,01, dan arsitektur lapisan tersembunyi 300;300. Model ini mencapai akurasi tinggi dengan RMSE 130,4853, MAE 91,5722, dan MAPE 5,29%. Hasil ini menunjukkan bahwa model NN berhasil menangkap pola pasar yang kompleks dan memberikan prediksi akurat, menjadikannya alat yang berharga bagi investor dan pembuat kebijakan dalam pengambilan keputusan investasi yang terinformasi.

Conclusion

Berdasarkan hasil penelitian, model Jaringan Syaraf Tiruan (NN) terbukti mampu memprediksi harga saham mingguan ANTM dengan efektif.Hasil uji menunjukkan bahwa data memiliki pola non-linear, sehingga metode NN menjadi pendekatan yang tepat.Model terbaik dengan fungsi tanh, alpha 0,01, dan arsitektur lapisan tersembunyi 300.300 mampu menghasilkan tingkat akurasi tinggi dengan RMSE 130,4853, MAE 91,5722, dan MAPE 5,29%.Hasil ini mengonfirmasi bahwa model NN mampu menangkap pola fluktuasi pasar yang kompleks dan memberikan prediksi yang andal, terutama pada periode volatilitas tinggi seperti pandemi COVID-19 dan kenaikan harga komoditas global.Oleh karena itu, penerapan NN merupakan strategi penting bagi investor, analis, dan pembuat kebijakan dalam membuat prediksi harga saham yang lebih akurat dan mendukung pengambilan keputusan investasi yang didasari data di tengah dinamika pasar yang tidak menentu.

Future Research

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan yang dapat dipertimbangkan adalah: (1) Menganalisis dampak penerapan model NN pada keputusan investasi dan kinerja portofolio investor. Penelitian ini dapat mengeksplorasi bagaimana model NN mempengaruhi pengambilan keputusan investasi dan mengukur dampak jangka panjangnya pada kinerja portofolio. (2) Mengembangkan model NN yang lebih canggih dengan mempertimbangkan faktor-faktor eksternal seperti berita, sentimen pasar, dan peristiwa ekonomi. Penelitian ini dapat mengintegrasikan data tekstual dan analisis sentimen untuk meningkatkan akurasi prediksi. (3) Menerapkan model NN pada saham-saham unggulan di sektor energi lainnya untuk membandingkan kinerja dan mengidentifikasi karakteristik pasar yang unik. Penelitian ini dapat membantu memahami dinamika pasar energi dan mengidentifikasi strategi investasi yang optimal.

References

1.  . 0 mdpi.com/2071-1050/14/4/2382A 0 mdpi 2071 1050 14 4 2382
2. The Role of the Capital Market in Increasing Economic Growth in Indonesia | Indonesian Journal of Interdisciplinary... doi.org/10.55927/marcopolo.v2i5.9322The Role of the Capital Market in Increasing Economic Growth in Indonesia Indonesian Journal of Interdisciplinary doi 10 55927 marcopolo v2i5 9322
3. Accuracy Rate of Least Square Support Vector Machine Method and Its Various Modifications: A Forecasting... doi.org/10.18280/isi.290337Accuracy Rate of Least Square Support Vector Machine Method and Its Various Modifications A Forecasting doi 10 18280 isi 290337
4. Forecasting the Stock Price of PT Aneka Tambang Tbk (ANTM) Using a Neural Network Approach | Zeta - Math... journal.uim.ac.id/index.php/zeta/article/view/3696Forecasting the Stock Price of PT Aneka Tambang Tbk ANTM Using a Neural Network Approach Zeta Math journal uim ac index php zeta article view 3696
5. GMD - Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not. root mean... doi.org/10.5194/gmd-15-5481-2022GMD Root mean square error RMSE or mean absolute error MAE when to use them or not root mean doi 10 5194 gmd 15 5481 2022

Metadata

File size	657.93 KB
Pages	11
DMCA	Report