PREDIKSI NILAI INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN METODE ENSEMBLE LEARNING

• RICKY RISNANTOYO
• 14002301

---

ABSTRAK

Indeks Harga Saham Gabungan atau Jakarta Composite Index merupakan suatu rangkaian informasi historis mengenai pergerakan harga gabungan seluruh saham di Indonesia. IHSG merupakan tolak ukur untuk menilai kinerja seluruh saham yang tercatat di bursa efek, IHSG digunakan untuk mengetahui perkembangan dan situasi umum pasar modal serta kondisi ekonomi suatu negara. Saat kondisi ekonomi suatu negara sedang turun, dipastikan IHSG akan mengalami penurunan juga dan akan berdampak ke berbagai macam sektor ekonomi. Pergerakan nilai IHSG sangat dinamis karena dipengaruhi berbagai macam faktor sehingga sulit untuk diprediksi. Dalam penelitian ini digunakan metode ensemble learning dengan menggunakan tiga learning algorithm yaitu Long Short-Term Memory, Linear Regression, dan Random Forest dalam memprediksi nilai IHSG. Pada penelitian ini digunakan tiga timeframe data historis IHSG dari tahun 2010 sampai dengan 2020. Pada hasil pengujian yang didapat, metode ensemble learning khusunya ensemble antara algoritma LSTM dan Linear Regression memberikan hasil evaluasi nilai error yang paling baik dalam memprediksi nilai IHSG dibanding ensemble dengan learning algorithm lainnya.

Kata kunci: IHSG, Prediksi Saham, Ensemble Learning

KATA KUNCI

Data Mining

---

DAFTAR PUSTAKA

Sunariyah "Pengantar Pengetahuan Pasar Modal edisi ke 5" 2006
A.Sukur "Prediction of LQ45 index in Indonesia Stock Exchange: A Comparative Study of Machine Learning Techniques" 2021
C. Krauss "Deep Neural Networks, gradient boosted trees, random forest: Statistical arbitrage on the S&P 500" 2016
S.R Polamuri "Stock market prices prediction using random forest and extra tree regression" 2019
Budiharto "Data Science approach to stock prices forecasting in Indonesia during Covid-19 using Long Short-Term Memory" 2021
Nti, Weyori "A Comprehensive evaluation of ensemble learning for stock-market prediction" 2020