Prediksi Pergerakan Naik Turun Harga Saham Berdasarkan Headline Berita Menggunakan Support Vector Machine Dan Naive Bayes Classifier

Dwita, Olga Mauri Sandi (2024) Prediksi Pergerakan Naik Turun Harga Saham Berdasarkan Headline Berita Menggunakan Support Vector Machine Dan Naive Bayes Classifier. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201060-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (1MB) | Request a copy

Abstract

Saham merupakan bentuk kepemilikan dalam perusahaan yang dipengaruhi oleh faktor ekonomi dan kinerja perusahaan. Penelitian ini memprediksi harga saham SMGR.JK dengan menggunakan skor sentimen dari judul berita di situs bisnis.com dan google news serta fitur time-series harga saham, diklasifikasikan menjadi kategori naik dan turun berdasarkan pendekatan abnormal return. Dalam penelitian ini, model Support Vector Machine (SVM) dipilih karena kemampuannya dalam menangani data yang tidak linear dan kemampuannya yang terbukti unggul dalam klasifikasi kompleks. Di sisi lain, Naive Bayes Classifier dipilih karena kesederhanaannya dan kecepatan komputasinya yang efisien, meskipun tidak selalu mampu menangani data non-linear dengan baik. Hasil penelitian menunjukkan bahwa model SVM secara konsisten mengungguli NBC baik pada data pelatihan maupun pengujian. Pada data pengujian, model SVM mencapai akurasi sebesar 72,88%, presisi 72,86%, recall 72,91%, dan F1-score 72,88%. Keberhasilan model SVM dalam mencapai hasil ini menunjukkan kemampuannya dalam memberikan prediksi yang akurat dan konsisten. Selain itu, hasil prediksi SVM pada tanggal 29 Desember 2023 terbukti sesuai dengan pergerakan harga saham aktual pada tanggal tersebut. Meskipun model SVM menunjukkan performa yang baik, penting untuk melakukan analisis lebih lanjut dengan data yang lebih luas dan periode waktu yang lebih panjang untuk memastikan keandalan dan efektivitas model ini dalam jangka panjang.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Saham, Berita, Support Vector Machine, Naïve Bayes Classifier Stocks, News, Support Vector Machine, Naïve Bayes Classifier
Subjects:	H Social Sciences > HA Statistics > HA29 Theory and method of social science statistics H Social Sciences > HA Statistics > HA31.7 Estimation H Social Sciences > HD Industries. Land use. Labor > HD108 Classification (Theory. Method. Relation to other subjects )
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Olga Mauri Sandi Dwita
Date Deposited:	09 Aug 2024 07:14
Last Modified:	09 Aug 2024 07:14
URI:	http://repository.its.ac.id/id/eprint/115040

Actions (login required)

View Item