KOMPARASI ALGORITMA DALAM MEMPREDIKSI PERUBAHAN HARGA SAHAM GOTO MENGGUNAKAN RAPIDMINER

Dwi Ismiyana Putri, Mardi Yudhi Putra

Sari


Perkembangan teknologi informasi dan keuangan telah mendorong penggunaan metode prediksi harga saham yang efektif. Dalam penelitian ini, dilakukan komparasi terhadap tiga algoritma populer, yaitu Regresi Linear (RL), Support Vector Machine (SVM), dan Neural Net (NN), untuk memprediksi perubahan harga saham GOTO dengan menggunakan aplikasi RapidMiner sebagai alat analisis yang kuat dalam mengimplementasikan dan membandingkan kinerja algoritma-algoritma tersebut. Untuk mengukur dan membandingkan kinerja ketiga model prediksi, peneliti menerapkan metode evaluasi 10 K-Fold Cross Validation dengan pembagian data 90:10. Analisis dilakukan berdasarkan hasil Root Mean Square Error (RMSE), yang merupakan indikator umum untuk mengukur sejauh mana perbedaan antara nilai prediksi dan nilai aktual dalam unit yang sama. Hasil analisa menunjukkan bahwa model Neural Net (NN) memberikan nilai RMSE terendah dengan angka sebesar 16.562. Ini menunjukkan bahwa model Neural Net memiliki tingkat akurasi yang lebih baik dalam memprediksi perubahan harga saham GOTO dibandingkan dengan model Regresi Linear (22.479) dan Support Vector Machine (31.326). Meskipun RL dan SVM juga memberikan prediksi yang cukup akurat, NN menonjol dengan performa terbaik. Penemuan ini menunjukkan bahwa algoritma Neural Net adalah pilihan yang lebih baik dalam memprediksi perubahan harga saham GOTO. Namun, penting untuk mencatat bahwa evaluasi dan pemilihan model harus selalu dipertimbangkan dalam konteks bisnis atau penelitian yang relevan.


Kata Kunci


Komparasi Algoritma, Prediksi, RapidMiner, Harga Saham, RSME

Teks Lengkap:

PDF

Referensi


Alamsyah, M. F., Satriawan, T. P., Ramadanis, F. N., Mulyawan, R. A., Edmond, C., & Firmansyah, R. (2023). Analisa Komparasi Algoritma Naïve Bayes , Decision Tree Dan KKN Untuk Klasifikasi Kebakaran Hutan Pada Wilayah Aljazair. Jurnal Sistem Informasi Dan Ilmu Komputer, 1(2), 72–86. https://doi.org/https://doi.org/10.59581/jusiik-widyakarya.v1i2.425

Angelina, V. (2022). Analisis Faktor-faktor yang mempengaruhi Harga Saham pada Perusahaan Sektor Perbankan di Bursa Efek Indonesia [UNIVERSITAS PUTERA BATAM]. http://repository.upbatam.ac.id/1610/

Fadla, M. Y., Deliya Rohmawati, N., & Nur’agny, R. (2023). Aplikasi Prediksi Harga Saham Tertinggi Pada Bank BCA Menggunakan Metode Trend Moment. 2, 451–456.

Fitri, E., & Riana, D. (2022). Analisa Perbandingan Model Prediction Dalam Prediksi Harga Saham Menggunakan Metode Linear Regression, Random Forest Regression Dan Multilayer Perceptron. In METHOMIKA Jurnal Manajemen Informatika dan Komputerisasi Akuntansi (Vol. 6, Issue 1, pp. 69–78). https://doi.org/10.46880/jmika.vol6no1.pp69-78

Himawan, I., Nurdiawan, O., & Dwilestari, G. (2022). PREDIKSI HARGA SAHAM DENGAN ALGORITMA REGRESI LINIER DENGAN RAPIDMINER. 10(3).

Jafar, J., & Rahaningsih, N. (2023). MENENTUKAN POLA RESERVASI HOTEL DENGAN ALGORITMA FP-GROWTH. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 540–546.

Maulana, B. (2021). NALISIS TEKNIKAL PERGERAKAN HARGA SAHAM UNTUK PENGAMBILAN KEPUTUSAN INVESTASI DI PASAR MODAL SYARIAH PADA MASA PANDEMI COVID-19 DALAM PERSPEKTIF EKONOMI ISLAM (STUDI PADA SAHAM SUBSEKTOR FARMASI YANG TERDAFTAR DI BURSA EFEK INDONESIA) [UNIVERSITAS ISLAM NEGERI RADEN INTAN LAMPUNG]. http://repository.radenintan.ac.id/id/eprint/18597

Pambudi, A., Abidin, Z., & Permata, P. (2023). Penerapan Crisp-Dm Menggunakan Mlr K-Fold Pada Data Saham Pt. Telkom Indonesia (Persero) Tbk (Tlkm) (Studi Kasus: Bursa Efek Indonesia Tahun 2015-2022). Jurnal Data Mining Dan Sistem Informasi, 4(1), 1. https://doi.org/10.33365/jdmsi.v4i1.2462

Panggabean, E. S. B., Akita, N. J. H., & Yunior, K. (2023). Pengaruh Profitabilitas, Solvabilitas dan Rasio Pasar Terhadap Harga Saham Pada Perusahaan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2018-2021. 7(1), 51–65. https://doi.org/10.26740/jpeka.v7n1.p51-65

Putra, M. Y., & Putri, D. I. (2022). Pemanfaatan Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Kelas XI. Jurnal Tekno Kompak, 16(2), 176–187.

Royda, R., & Riana, D. (2022). Investasi dan Pasar Modal (M. Nasrudin (ed.)). PT Nasya Expanding Management.

Sholeh, M., Nurnawati, E. K., & Lestari, U. (2023). Penerapan Data Mining dengan Metode Regresi Linear untuk Memprediksi Data Nilai Hasil Ujian Menggunakan RapidMiner. JISKA (Jurnal Informatika Sunan Kalijaga), 8(1), 10–21.

Taufik, S. A., & Rusliati, E. (2022). ANALISIS TEKNIKAL INVESTASI FOREX ONLINE PASANGAN MATA UANG EUR/USD PERIODE 2019 – 2021 [Universitas Pasundan]. http://repository.unpas.ac.id/61647/

Umaidah, Y. (2018). Penerapan Algoritma Artificial Neural Network Dalam Prediksi Harga Saham Lq45 Pt. Bank Rakyat Indonesia, Tbk. Februari, 8(1), 57.

Yohanes, S. (2023). PENGARUH EARNING PER SHARE, CAPITAL STRUCTURE DAN DIVIDEND PER SHARE TERHADAP HARGA SAHAM PERUSAHAAN SUB SEKTOR FARMASI YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2016 - 2020 [Sekolah Tinggi Ilmu Ekonomi Indonesia Jakarta]. http://repository.stei.ac.id/id/eprint/9495




DOI: https://doi.org/10.31294/jki.v11i1.16153

DOI (PDF): https://doi.org/10.31294/jki.v11i1.16153.g6018

##submission.copyrightStatement##

p-ISSN 2339-1928

e-ISSN 2579-633X



Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Email : jurnalkhatulistiwainformatika@bsi.ac.id

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

 

Jurnal Khatulistiwa Informatika Indexed by:

Image result for logo index sinta