Prediksi harga saham di Indonesia dengan menggunakan metode hybrid principal component analysis dan support vector machine (PCA-SVM)

Koesriputranto, Astandri (2015) Prediksi harga saham di Indonesia dengan menggunakan metode hybrid principal component analysis dan support vector machine (PCA-SVM). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5211100009-Undergraduate_Thesis.pdf]
Preview
Text
5211100009-Undergraduate_Thesis.pdf

Download (3MB) | Preview

Abstract

Bursa saham merupakan area bisnis yang menjanjikan. Potensi untuk memperoleh return yang tinggi dalam waktu yang cukup singkat menjadi salah satu daya tarik sendiri dari bisnis ini. Prediksi terhadap harga saham menjadi hal yang sangat menarik dan menantang bagi kalangan peneliti dan akademisi, dimana meskipun pergerakannya sangat acak dan kompleks, belakangan ditemukan bahwa harga saham dapat diprediksi dengan derajat akurasi tertentu. Prediksi yang benar-benar akurat akan membantu para pelaku bisnis dalam mengambil keputusan terkait pembelian atau penjualan saham yang dimilikinya.
Banyak metode yang sudah dikembangkan oleh peneliti-peneliti terdahulu, diantaranya adalah metode yang berbasis neural netowrk dan support vector machine (SVM). Metode berbasis SVM terbukti memiliki performa yang lebih baik daripada metode pendahulunya, namun metode SVM saja dinilai belum cukup dalam melakukan prediksi harga saham secara akurat dan kontinyu.
Selain itu, untuk melakukan prediksi harga saham, banyak variabel yang diperhitungkan. Diantara variabel tersebut dapat mempengaruhi pergerakan harga saham, namun disisi lain jumlah variabel yang terlalu banyak akan mengurangi kualitas prediksi yang dihasilkan. Penelitian ini akan menerapkan metode gabungan (hybrid) antara Principal Component Analysis (PCA) dan SVM untuk melakukan prediksi harga saham. PCA digunakan untuk menentukan variabel atau fitur yang paling sesuai untuk digunakan sebagai masukan dalam melakukan prediksi. Penelitian dikhususkan pada harga saham di Indonesia yang memiliki daya tarik investasi cukup tinggi dari negara lainnya dalam kawasan regional.
Dari proses prediksi yang telah dilakukan, didapatkan bahwa metode hybrid PCA-SVM memiliki performa yang paling baik baik dari segi akurasi klasifikasi dan perolehan keuntungan berdasarkan proses simulasi jual-beli saham jika dibandingkan dengan dua metode lainnya (SVM dan Neural Network). Dengan hasil ini diharapkan mampu memberikan masukan terhadap peneliti, investor dan pelaku bisnis dalam penelitian dan proses bisnis bursa saham kedepannya.

================================================================================================

Stock market is a promising business area. The high potential of getting high profit in quite short time makes this business more interesting. Stock price prediction lately getting attention from researchers and students because its natural random and complex behaviour is challenging. Lately it is known that stock prices can be predicted with some accuration degree. A very accurate prediction can help the business actors to take appropriate decision about buying or selling stocks.
Many methods was developed by researchers before, just like neural network and support vector machine (SVM). SVM based metods have higher and better performance from its ancestor, but SVM only isn’t good enough for predicting the stock prices accurately and continuitely.
In the other hand, many variables is used for predicting stock prices. These variables can impact the behaviour of stock prices movement, but too many variables used can decrease the quality of prediction result.
This research will apply a hybrid method using Principal Component Analysis (PCA) and SVM to predict stock price in Indonesia. PCA used for feature selection method in order to select the most apropriate input for prediction process. This research focused on Indonesian stock price which is more interesting than other country in regional area.
After the prediction proses is done, we get the result that hybrid method PCA-SVM have the best performance (classification accuracy and profit generated from simulation process) than the other 2 methods (SVM and Neural Network). With this result, hopefully researchers, investors, and business actors get some input and knowledge for future research and/or better decision making in stock market business process.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 006.4 Koe p
Uncontrolled Keywords: bursa saham; prediksi; principal component analysis; support vector machine
Subjects: Q Science > QA Mathematics > QA278.5 Principal components analysis. Factor analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: - Taufiq Rahmanu
Date Deposited: 17 Oct 2019 08:52
Last Modified: 17 Oct 2019 08:52
URI: http://repository.its.ac.id/id/eprint/71254

Actions (login required)

View Item View Item