Simatupang, Martino Kristian Samuel (2026) Analisis Pergerakan dan Prediksi Harga Saham Menggunakan Algoritma Random Forest dengan Bayesian Optimization Hyperparameter Tuning (Studi Kasus: Harga Saham Harian PT Bank Central Asia Tbk). Undergraduate thesis, Universitas Diponegoro.

	Text File1(Pendahuluan)_MartinoKSS_24010121140108 - Martino Kristian.pdf Download (502kB)
	Text File2(Isi)_MartinoKSS_24010121140108 - Martino Kristian.pdf Restricted to Repository staff only Download (10MB) | Request a copy
	Text File3(DaftarPustaka)_MartinoKSS_24010121140108 - Martino Kristian.pdf Download (80kB)

Abstract

"Pasar saham memiliki karakteristik yang sangat dinamis, non-linear, dan penuh ketidakpastian, sehingga penggunaan metode peramalan konvensional sering kali tidak efektif dalam menangkap pola tersembunyi pada data runtun waktu (time series). Penelitian ini bertujuan untuk mengembangkan dan membandingkan kinerja model machine learning Random Forest dan BO-RF terhadap data harga saham harian PT Bank Central Asia Tbk (kode saham: BBCA) pada periode 1 Oktober 2019 hingga 1 Oktober 2025. Hasil penelitian menunjukkan bahwa pada tahap prediksi data harga penutupan terdiferensiasi, model Random Forest (RF) gagal menangkap pola dalam data olahan, ditunjukkan dengan perolehan nilai koefisien determinasi sebesar -7,99%, sedangkan model BO-RF berhasil mendapatkan nilai koefisien determinasi sebesar 1,26% yang menunjukkan peranan Bayesian Optimization Hyperparameter Tuning signifikan dan efektif dalam meningkatkan performa model RF. Dalam memprediksi harga penutupan harian, model BO-RF bekerja sangat baik dengan memperoleh nilai MAPE sebesar 1,23% dan koefisien determinasi sebesar 96,33 %, membuktikan bahwa model BO-RF merupakan model prediksi yang dapat diandalkan dan mampu memperoleh tingkat akurasi yang tinggi dalam memprediksi harga penutupan harian saham.

Kata kunci: Machine Learning, Random Forest, Bayesian Optimization, Hyperparameter Tuning."

Actions (login required)

View Item