Pendekatan Machine Learning dalam Mengintegrasikan Analisis Sentimen pada Pengembangan Model Prediktif untuk Forecasting Harga Saham

Abstract

Peramalan harga saham merupakan topik yang menarik dan kompleks dalam dunia keuangan. khususnya pada saham-saham perbankan berkapitalisasi besar seperti PT Bank Rakyat Indonesia (Persero) Tbk (BBRI) dan PT Bank Central Asia Tbk (BBCA) yang pergerakan harganya mencerminkan dinamika pasar saham secara umum. BBRI dan BBCA juga memiliki kinerja keuangan yang kuat dan relatif stabil, namun tetap sensitif terhadap perubahan kondisi ekonomi makro, seperti suku bunga, inflasi, dan nilai tukar. Dalam pemodelan time series, faktorfaktor tersebut termasuk variabel eksogen (exogenous variables), yaitu variabel eksternal yang tidak secara langsung terkait dengan kinerja perusahaan tetapi memiliki dampak signifikan terhadap pasar saham. Variabel-variabel exogenous tersebut seringkali memiliki efek tidak langsung terhadap harga saham melalui pengaruhnya terhadap kondisi sentimen pasar saham. Pada konteks forecasting, perolehan skor sentimen masih terbatas dan belum sepenuhnya diintegrasikan dalam model prediktif. Sebagian besar model prediktif tetap berfokus pada penggunaan data kuantitatif, sedangkan integrasi sentimen dari sumber data tekstual masih kurang dikaji secara mendalam. Selain itu, pendekatan tradisional dalam forecasting sering kali bergantung pada model statistik konvensional yang memiliki keterbatasan dalam menangkap pola kompleks dari data besar dan tidak terstruktur. Model berbasis machine learning mempunyai keunggulan dalam menangani data multidimensional, sehingga memungkinkan penggabungan analisis sentimen dengan model prediktif secara akurat dan adaptif. Penelitian ini berupaya mengembangkan metode yang mampu mengintegrasikan analisis sentimen ke dalam model prediktif berbasis machine learning untuk meningkatkan akurasi forecasting.