Prediksi Tren Saham dengan model XGBoost berdasarkan indikator HMA, RSI, dan MACD

Rafferty, Ruben (2023) Prediksi Tren Saham dengan model XGBoost berdasarkan indikator HMA, RSI, dan MACD. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (710kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (226kB) | Preview
Preview	PDF BAB_I.pdf Download (210kB) | Preview
Preview	PDF BAB_II.pdf Download (403kB) | Preview
Preview	PDF BAB_III.pdf Download (371kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
Preview	PDF BAB_V.pdf Download (204kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Saham (stocks) merupakan alat pasar keuangan yang sering digunakan oleh investor. Kustodian Sentral Efek Indonesia (KSEI) mencatat perkembangan pasar saham mengalami peningkatan investor dari akhir tahun 2021 hingga Juni 2022 sebanyak 15,96%. Investor perlu mengenali faktor atau perilaku saham seperti tren saham untuk mencegah terjadinya risiko kerugian dan mendapatkan keuntungan dari investasi. Machine learning dapat digunakan untuk memprediksi informasi mengenai faktor atau perilaku tersebut dapat diprediksi dengan bantuan indikator teknis. Dua jenis data akan diuji dalam penelitian ini yaitu data normal dan data weighted di mana data weighted adalah data dengan class weight untuk membantu permasalahan data imbalanced. XGBoost akan diuji dengan data normal dan data weighted dari setiap saham yang diuji dan pengujian juga menggunakan dua metode pemilihan yang berbeda yaitu korelasi dan Recursive Feature Elimination (RFE). Ukuran data historis(window) dan splits dipilih dari pengujian validasi performa. Performa dari model XGBoost akan ditingkatkan lebih lanjut dengan penerapan hyperparameter tuning dan early stopping. Model XGBoost dapat menghasilkan prediksi tren saham dengan performa tertinggi yang diperoleh adalah precision = 84%, recall = 86%, f1 score = 85%, dan akurasi = 88% yang diperoleh dari data yang menggunakan data normal, serta menggunakan metode pemilihan fitur korelasi pada saham UNVR.JK.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Akurasi, Indikator teknis, Saham, Tren saham, XGBoost
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	23 Jun 2023 09:47
Last Modified:	09 Aug 2023 05:05
URI:	https://kc.umn.ac.id/id/eprint/25467

Actions (login required)

View Item