Analisis prediksi harga saham PT Telekomunikasi Indonesia menggunakan Support Vector Machine (SVM)

Rahmadini, Dwi (2023) Analisis prediksi harga saham PT Telekomunikasi Indonesia menggunakan Support Vector Machine (SVM). ['eprint_fieldopt_thesis_type_undergraduate' not defined] thesis, UIN Sunan Ampel Surabaya.

[thumbnail of Dwi Rahmadini_H96219044 ok.pdf] Text
Dwi Rahmadini_H96219044 ok.pdf

Download (2MB)

Abstract

Harga pasar saham menjadi salah satu masalah yang signifikan di pasar finansial karena naik turunnya harga setiap hari. Beberapa faktor seperti lokal dan iklim ekonomi global, kondisi politik, dan aktivitas pasar menjadi dampak yang dapat mempengaruhi harga pasar saham. Menyebabkan pergerakan saham menjadi tidak menentu dan sulit untuk ditebak. Sehingga para investor harus lebih hati-hati dalam membeli saham atau mempertahankan saham yang dimiliki. Oleh karena itu, untuk membantu para investor membuat keputusan yang optimal, dibutuhkan suatu langkah yang tepat seperti memprediksi perilaku harga pasar saham. Penelitian ini memprediksi harga penutupan saham pada PT. Telekomunikasi Indonesia sehingga penelitian ini melakukan prediksi secara univariat. Tujuan pada penelitian ini adalah mengimplementasikan model serta melakukan prediksi harga saham di PT.Telekomunikasi Indonesia. Menggunakan metode SVM yang diuji melalui skenario dalam penginputan window_size dan fungsi kernel. Parameter yang digunakan untuk pemodelan adalah parameter C sebesar 100 untuk semua kernel, parameter degree sebesar 1 untuk kernel polynomial, dan gamma sebesar 0.0001 untuk kernel RBF. Sehingga didapatkan pemodelan fungsi kernel yang paling optimal yaitu kernel polynomial pada ukuran window_size sebesar 3, dengan RMSE sebesar 67.546 dan MAPE sebesar 0.01. Sehingga disimpulkan bahwa performa kernel polynomial memiliki kekuatan akurasi yang tinggi.

Item Type: Thesis (['eprint_fieldopt_thesis_type_undergraduate' not defined])
Uncontrolled Keywords: Prediction; Stock Price; SVM
Subjects: Teknologi > Teknologi Informasi
Divisions: Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User: Dwi Rahmadini
Date Deposited: 24 Jul 2023 03:45
Last Modified: 24 Jul 2023 03:45
URI: http://digilib.uinsby.ac.id/id/eprint/63710

Actions (login required)

View Item
View Item