Implementasi Artificial Neural Network pada Peramalan Pergerakan Harga Saham Menggunakan Seleksi Fitur eXtreme Gradient Boosting

Abstract

Saham adalah salah satu instrumen investasi yang dapat menghasilkan keuntungan sangat besar. Saham juga termasuk instrumen investasi yang memiliki tingkat risiko kerugian sangat tinggi. Oleh karena itu, penelitian untuk meramal pergerakan harga saham sangat penting dilakukan supaya meminimalisir kerugian yang besar dan memperoleh keuntungan yang besar. Penelitian ini dalam meramalkan pergerakan harga saham mengimplemantasikan kombinasi algoritma machine learning ANN dengan algoritma seleksi fitur XGBoost. Algoritma machine learning tersebut memiliki keunggulan komputasi yang cepat dan hasil yang cukup akurat. Sedangkan, algoritma seleksi fitur tersebut memiliki keunggulan memproses data yang sangat besar dengan cepat dan mengatasi overfitting. Peramalan pergerakan harga saham diproses dengan tahapan normalisasi/standarisasi data, seleksi fitur, dan pelatihan model prediksi, serta evaluasi model dengan menggunakan uji performa MAE, MSE, RMSE, MAPE, dan R². Hasil penelitian menunjukkan bahwa kombinasi algoritma tersebut dalam meramalkan pergerakan harga saham di setiap masing-masing perusahaan menghasilkan tingkat akurasi prediksi yang berbeda-beda. Hasil seleksi fitur pada pergerakan harga saham di setiap masing-masing perusahaan menunjukkan bahwa rata-rata fitur Open, High, dan Low sangat signifikan berkontribusi. Hasil evaluasi model pada pergerakan harga saham di setiap masing-masing perusahaan berdasarkan uji performa MAE, MSE, RMSE, MAPE dan R² menunjukkan bahwa rata-rata algoritma ANN terbilang cukup akurat pada setiap pergerakan harga saham perusahaan, tetapi berdasarkan uji performa tersebut menunjukkan bahwa saham ISSP dan BUMI terprediksi paling akurat dan saham ITMG dan UNVR paling tidak akurat.