NAJMA, Tsabita Bahiratu (2026) Optimasi Hyperparameter Extreme Gradient Boosting dengan Chaotic Particle Swarm Optimization untuk Peramalan Harga Saham PT Bank Syariah Indonesia Tbk. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (151kB)
	Text 3. Hal Pengesahan 1.pdf Download (608kB)
	Text 4. Hal Pengesahan 2.pdf Download (641kB)
	Text 5. Kata Pengantar.pdf Download (158kB)
	Text 6. Abstrak.pdf Download (143kB)
	Text 7. Abstract.pdf Download (103kB)
	Text 8. Daftar Isi.pdf Download (162kB)
	Text 12. Bab I - Pendahuluan.pdf Download (224kB)
	Text 17. Daftar Pustaka.pdf Download (181kB)

Abstract

Harga saham merupakan aspek penting dalam menentukan keputusan investasi. Salah satu pilihan saham perbankan syariah di Indonesia adalah saham PT Bank Syariah Indonesia Tbk (BRIS). Penelitian ini melakukan peramalan harga saham
BRIS dengan optimasi hyperparameter Extreme Gradient Boosting (XGBoost) menggunakan Chaotic Particle Swarm Optimization (CHOPSO). Data yang digunakan untuk membangun model adalah data historis harian saham BRIS yang
mencakup harga pembukaan, penutupan, tertinggi, terendah, dan volume perdagangan. Dilakukan tahap persiapan data dan penentuan fitur terlebih dahulu sebelum model dibangun. CHOPSO digunakan untuk menentukan hyperparameter
XGBoost terbaik untuk mengatasi keterbatasan PSO konvensional yang terjebak dalam solusi optimum lokal. Model dievaluasi dengan nilai metrik kesalahan Mean Absolute Percentage Error (MAPE) agar mudah diinterpretasikan. Hasil
menunjukkan model peramalan saham BRIS XGBoost-CHOPSO memberikan performa peramalan lebih baik dibanding model XGBoost default dan XGBoostPSO dengan nilai MAPE sebesar 1,8901%. Penelitian ini menunjukkan bahwa optimasi hyperparameter XGBoost menggunakan CHOPSO efektif dalam
meningkatkan akurasi peramalan dan dapat digunakan untuk mendukung pengambilan keputusan investasi.
Kata Kunci: Peramalan harga saham, BRIS, XGBoost, Chaotic Particle Swarm Optimization

Actions (login required)

View Item