CIPTA MEDIA HARMONICIPTA MEDIA HARMONI

JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi KomputerJSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer

Latar Belakang: Prediksi harga saham merupakan bidang penting dalam analisis keuangan modern karena membantu investor dalam mengambil keputusan. Meskipun telah banyak dikembangkan model kompleks berbasis kecerdasan buatan, regresi linier tetap menjadi metode statistik yang sederhana, cepat, dan cukup efektif untuk menangkap pola dasar pergerakan harga saham. Tujuan: Penelitian ini bertujuan untuk memprediksi harga penutupan saham Tesla Inc. (TSLA) dengan menggunakan metode regresi linier berdasarkan harga penutupan pada hari sebelumnya. Metode: Penelitian ini menggunakan pendekatan kuantitatif dengan data historis harga saham TSLA dari Yahoo Finance (periode Juni 2010–Desember 2023). Proses analisis mencakup pra-pemrosesan data, pembuatan fitur baru, pemodelan dengan Scikit-Learn, dan evaluasi model menggunakan metrik RMSE, R², dan MAPE. Hasil: Model regresi linier menghasilkan nilai RMSE sebesar 9,28, R² sebesar 0,9741, dan MAPE sebesar 2,6%. Hasil ini menunjukkan bahwa model mampu menangkap tren umum harga saham secara cukup akurat. Kesimpulan: Regresi linier terbukti menjadi baseline yang baik dalam prediksi harga saham meskipun memiliki keterbatasan dalam menangkap pola non-linier. Penelitian selanjutnya dapat mengeksplorasi model yang lebih kompleks.

Berdasarkan hasil penelitian yang dilakukan, dapat disimpulkan bahwa metode regresi linier mampu memberikan prediksi yang cukup akurat terhadap harga penutupan saham Tesla (TSLA) dengan memanfaatkan harga penutupan pada hari sebelumnya sebagai variabel prediktor tunggal.Model menghasilkan nilai evaluasi yang baik, yaitu RMSE sebesar 9,28, R² sebesar 0,9741, dan MAPE sebesar 2,6%, yang menunjukkan bahwa sekitar 97% variasi harga dapat dijelaskan oleh model.Meskipun demikian, regresi linier memiliki keterbatasan dalam mengenali pola non-linier atau fluktuasi ekstrem yang umum terjadi di pasar saham.Oleh karena itu, penelitian lanjutan disarankan untuk menggabungkan regresi linier dengan fitur teknikal lainnya atau mengembangkan pendekatan berbasis machine learning yang lebih kompleks.

Penelitian lanjutan dapat menggabungkan regresi linier dengan indikator teknis seperti moving average atau RSI untuk meningkatkan akurasi prediksi. Selain itu, memasukkan analisis fundamental seperti laporan keuangan perusahaan atau sentimen pasar bisa menjadi arah studi baru. Terakhir, penggunaan model machine learning yang lebih canggih seperti LSTM atau XGBoost bisa dieksplorasi untuk menangani pola non-linier dan fluktuasi ekstrem dalam data harga saham.

  1. Implementasi Regresi Linier untuk Prediksi Harga Saham Tesla | JSITIK: Jurnal Sistem Informasi dan Teknologi... jurnal.ciptamediaharmoni.id/index.php/jsitik/article/view/714Implementasi Regresi Linier untuk Prediksi Harga Saham Tesla JSITIK Jurnal Sistem Informasi dan Teknologi jurnal ciptamediaharmoni index php jsitik article view 714
  1. #harga saham#harga saham
  2. #kinerja guru#kinerja guru
Read online
File size591.42 KB
Pages9
Short Linkhttps://juris.id/p-23B
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test