Fahmi, Riza Nidhom (2025) Optimasi Portofolio Untuk Pemilihan Saham Menggunakan Reinforcement Learning Berdasarkan Sentimen Berita, Indikator Teknikal, Dan Indikator Fundamental. Masters thesis, Institut Teknologi Sepuluh Nopember.
![]() |
Text
6025231033-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy |
Abstract
Dalam optimasi portofolio saham, pemilihan saham dan waktu berinvestasi merupakan suatu hal yang penting untuk pertumbuhan asset portofolio. Agar dapat memilih saham dan menentukan waktu berinvestasi dengan tepat, investor membutuhkan forecasting harga saham dengan tingkat akurasi yang tinggi dan error yang kecil. Pada penelitian sebelumnya peramalan harga saham dengan menggunakan data time series masih perlu ditingkatkan agar lebih efektif dan efisien apabila diterapkan pada model data pada penelitian ini, yaitu model data panel dan time series. Penelitian ini bertujuan untuk meningkatkan portfolio investor dengan mengusulkan pengembanan proses forecasting pada data panel dengan metode statistik dan machine learning menggunakan sentiment analysis, analisis teknikal dan indikator fundamental untuk meningkatkan hasil forecasting. Berdasarkan hasil dari 5 skenario percobaan forecasting data panel model random forest lebih unggul dari model lainnya dengan nilai evaluasi sebesar
Item Type: | Thesis (Masters) |
---|---|
Uncontrolled Keywords: | Optimasi Portofolio Saham, Reinforcement Learning, Forecasting Data Panel, sentiment analysis, Indikator Teknikal dan Indikator Fundamental |
Subjects: | T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.6 Operations research--Mathematics. Goal programming T Technology > T Technology (General) > T59.7 Human-machine systems. |
Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis |
Depositing User: | Riza Nidhom Fahmi |
Date Deposited: | 29 Jul 2025 03:47 |
Last Modified: | 29 Jul 2025 03:55 |
URI: | http://repository.its.ac.id/id/eprint/122482 |
Actions (login required)
![]() |
View Item |