Prediksi Indeks Harga Saham Gabungan (IHSG) dengan Pendekatan Machine Learning Algoritma Support Vector Machine Menggunakan Faktor Ekonomi Dosmestik dan Internasional
Support Vector Machine for Predicting Indonesia Stock Exchange Composite Index (IDX Composite) Using Domestic and International Economic Factors
Pengarang:
Zaafri Ananto Husodo (Pembimbing/Promotor) - ; Dony Abdul Chalid (Penguji) - ; Athor Subroto (Penguji) - ; Marcelinus David Wahono -
Deskripsi
Krisis ekonomi yang terjadi di masa lalu menimbulkan pertanyaan tentang validitas Efficient Market Hypothesis dan mendorong berkembangnya model-model yang dapat memprediksi indeks harga saham. Salah satunya yaitu prediksi memanfaatkan komponen ekonomi yang diketahui mempengaruhi IHSG dan memprosesnya dengan teknik machine learning. Support Vector Machine dikenal memiliki kemampuan untuk menangani data berdimensi tinggi dan memiliki keunggulan dibandingkan algoritma yang lain. Performa SVM akan dibandingkan dengan Artificial Neural Network (ANN) dan algoritma klasik Multiple Linear Regression (MLR). Studi ini diawali mengidentifikasi pengaruh komponen ekonomi terhadap IHSG mendatang. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja paling baik dalam memprediksi harga indeks saham keesokan harinya (t + 1), namun kinerja ANN paling baik untuk memprediksi t + 5, t + 10, dst.