PUSKOMCERIAPUSKOMCERIA

Pena: Jurnal Ilmu Pengetahuan dan TeknologiPena: Jurnal Ilmu Pengetahuan dan Teknologi

Indeks Harga Saham Gabungan (IHSG) merupakan indikator utama yang mencerminkan kinerja pasar saham di Indonesia dan sering digunakan oleh investor, analis, serta pengambil keputusan untuk menilai kondisi ekonomi dan membuat keputusan investasi. Namun, volatilitas dan dinamika pasar saham menjadikan prediksi IHSG sebagai tantangan yang kompleks. Penelitian ini bertujuan untuk membandingkan efektivitas model Neural Network (NN) dan Support Vector Machine (SVM) dalam memprediksi harga saham, dengan bantuan metode optimasi Particle Swarm Optimization (PSO) dan Evolutionary Algorithm (EVO). Hasil penelitian menunjukkan bahwa kombinasi SVM dengan EVO menghasilkan akurasi prediksi terbaik, ditunjukkan dengan nilai kesalahan terendah (RMSE: 0.07, MAE: 0.09, MSE: 0.004). Sebaliknya, model NN dengan PSO dan EVO memberikan prediksi dengan kesalahan yang lebih tinggi, menandakan tingkat akurasi yang lebih rendah. Penelitian ini menegaskan bahwa penggunaan metode optimasi dapat meningkatkan performa model prediksi saham, dengan kombinasi SVM EVO menjadi pilihan paling efektif dalam konteks ini.

Penelitian ini menyimpulkan bahwa kombinasi Support Vector Machine (SVM) dengan Evolutionary Algorithm (EVO) merupakan pendekatan paling efektif dalam memprediksi pergerakan Indeks Harga Saham Gabungan (IHSG) dibandingkan dengan metode Neural Network (NN) dan metode optimasi lainnya.Hasil evaluasi menunjukkan bahwa SVM EVO menghasilkan nilai kesalahan prediksi terendah, menjadikannya model yang paling akurat dalam konteks prediksi saham di Indonesia.Penggunaan metode optimasi terbukti meningkatkan akurasi model prediksi saham secara signifikan, dengan SVM EVO sebagai pendekatan terbaik untuk meminimalkan kesalahan prediksi.

Penelitian lanjutan dapat fokus pada pengembangan model hibrida yang menggabungkan algoritma optimasi berbeda, seperti memadukan PSO dengan Genetic Algorithm untuk meningkatkan konvergensi dan mengurangi risiko overfitting. Selain itu, penelitian dapat mengeksplorasi penggunaan data historis yang lebih luas dari pasar saham lain di Asia Tenggara untuk memvalidasi generalisasi model. Terakhir, studi lebih lanjut tentang pengaruh parameter optimasi terhadap akurasi prediksi bisa dilakukan untuk memperoleh panduan praktis dalam menyetel model prediksi saham secara efisien.

Read online
File size367.35 KB
Pages8
DMCAReport

Related /

ads-block-test