SILALAHI, Anastasia Geraldine (2025) Prediksi Harga Saham PT Astra International Tbk Menggunakan Voting Regressor Ensemble Berbasis Support Vector Regression dan Extreme Gradient Boosting Regressor. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (60kB)
	Text 3. Halaman Pengesahan 1.pdf Download (250kB)
	Text 4. Halaman Pengesahan 2.pdf Download (228kB)
	Text 5. Kata Pengantar.pdf Download (198kB)
	Text 6. Abstrak.pdf Download (242kB)
	Text 7. Abstract.pdf Download (301kB)
	Text 8. Daftar Isi.pdf Download (213kB)
	Text 12. BAB 1.pdf Download (361kB)
	Text 17. Daftar Pustaka.pdf Download (235kB)

Abstract

Machine learning telah banyak dimanfaatkan dalam bidang keuangan, salah satunya untuk memprediksi harga saham dengan tujuan mendukung pengambilan keputusan investasi di pasar yang fluktuatif. Penelitian ini mengevaluasi kinerja model Voting Regressor Ensemble yang mengintegrasikan Support Vector Regression (SVR) dan eXtreme Gradient Boosting Regressor (XGBoost) untuk memprediksi harga saham PT Astra International Tbk. Tujuan dari penelitian ini adalah untuk menilai efektivitas model ensemble dalam memprediksi harga saham berdasarkan data historis, dengan indikator teknikal seperti Relative Strength Index (RSI) dan Simple Moving Average (SMA) sebagai fitur prediktor. Variabel target yang diprediksi adalah harga penutupan saham harian untuk periode berikutnya. Setiap model dasar dilatih secara terpisah, kemudian hasil prediksinya digabungkan menggunakan pendekatan weighted voting. Hasil penelitian menunjukkan bahwa model SVR memberikan kinerja terbaik dibandingkan XGBoost maupun model ensemble, dengan nilai R2 = 0,96, RMSE = 87,711, dan MAPE = 1,4%. Sebagai perbandingan, model XGBoost menghasilkan R2 = 0,890, RMSE = 143,73, dan MAPE =2,35%, sedangkan model ensemble mencapai R2 = 0,954, RMSE = 93,742, dan MAPE = 1,48%. Temuan ini menunjukkan bahwa meskipun metode ensemble dirancang untuk meningkatkan akurasi prediksi, model SVR tetap menjadi yang paling optimal dalam memprediksi harga saham PT Astra International Tbk.
Kata Kunci: Machine Learning, Prediksi Harga Saham, Voting Regressor Ensemble, Support Vector Regression, eXtreme Gradient Boosting Regressor

Actions (login required)

View Item