Analisis Prediksi Saham Menggunakan Data Historis dan Sentimen Berita

Hendrasto, Gaudhiwaa (2024) Analisis Prediksi Saham Menggunakan Data Historis dan Sentimen Berita. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201066-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Pertimbangan keputusan investasi saham merupakan isu yang kompleks. Pendekatan fundamental dan teknikal dilakukan oleh investor dalam memilih emiten saham yang tepat, tetapi pendekatan ini seringkali membutuhkan banyak waktu dan tidak efisien. Di sisi lain pengembangan kecerdasan buatan, khususnya Natural Language Processing (NLP) dan teknik peramalan bisa menjadi solusi bagi para calon investor. Dalam penelitian ini dilakukan prediksi harga saham menggunakan data historis dan berita tahun 2018 sampai 2023. Dalam tahap praproses, data berita yang didapatkan akan dilakukan penghapusan topik yang tidak relevan, case folding, penghapusan stopwords, dan lematisasi. Pada data historis praproses yang dilakukan adalah normalisasi data. Pada analisis sentimen berita, dilakukan pendekatan menggunakan SVM. Pengukuran evaluasi sentimen menggunakan akurasi, presisi, recall, dan F1-score. Sedangkan pada prediksi harga saham menggunakan gabungan data harga historis dan hasil sentimen berita, dilakukan pendekatan machine learning (SVR dan Linear Regression), deep learning (LSTM, BiLSTM, dan GRU), dan ensemble learning (Random forest, XGBoost, dan LightGBM). Pengukuran evaluasi model prediksi harga saham dihitung menggunakan MAE dan MAPE. Pada penelitian ini digunakan tiga skenario uji coba, yaitu: analisis sentimen pada dataset spesifik, analisis sentimen pada dataset gabungan, dan prediksi harga saham berdasarkan kombinasi fitur. Berdasarkan hasil ekseperimen, didapatkan model terbaik analisis sentimen pada dataset spesifik dengan teknik nonpseudolabeling dan pseudolabeling, berturut-turut, adalah pada emiten TLKM dengan akurasi 0,9016 serta F1- score 0,9025 dan akurasi 0,8009 serta F1-score 0,8125. Sedangkan model terbaik dalam skenario prediksi sentimen menggunakan analisis sentimen pada dataset gabungan teknik nonpseudolabeling dan pseudolabeling, berturut-turut, adalah dengan akurasi 0,8796 serta F1- score 0,8890 dan akurasi 0,8173 serta F1-score 0,8336. Pada penggunaan skenario time step, indikator teknikal, dan sentimen berita pada prediksi harga saham didapatkan model terbaik dengan MAPE 0,0576% dan MAE 0,0422.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Data Historis, Deep Learning, Machine Learning, Saham, Sentimen Berita, Historical Data, Deep Learning, Machine Learning, Stocks, News Sentiment
Subjects:	Q Science Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Gaudhiwaa Hendrasto
Date Deposited:	01 Aug 2024 14:55
Last Modified:	01 Aug 2024 14:55
URI:	http://repository.its.ac.id/id/eprint/112120

Actions (login required)

View Item