Prediksi Harga Saham Dengan SVM (Support Vector Machine) Dan Pemilihan Fitur F-Score

Utomo, Victor Gayuh; Wakhidah, Nur; Putri, Astrid Novita

doi:10.26877/jiu.v6i1.5306

Cited by 3 publications

(4 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Tahap filtering melakukan penghilangan stopwords dan proses pengeliminasian kata tertentu yang tidak mendeskripsikan sesuatu atau tidak mempunyai arti. Stopword dapat berupa kata "yang", "dan", "di", "dari", "pada", dan lain sebagainya (Utomo, 2015); (4) Tokenizing didefinisikan sebagai pemecahan sebuah dokumen menjadi beberapa bagian atau token. Tokenizing bertujuan untuk menghilangkan karakter tertentu yang dapat dianggap sebagai tanda baca (Alita & Rahman, 2020); (5) Stemming didefinisikan sebagai penemuan kata dasar suatu kata atau menghilangkan imbuhan (affixes) pada suatu kata, baik awalan (prefixes), sisipan (infixes), akhiran (suffixes), maupun kombinasi (confixes) pada kata turunan (Guterres et al, 2019).…”

Section: Preprocessing Dataunclassified

Analisis Sentimen Ulasan pada Gojek Menggunakan Metode Naive Bayes

Yuniar,

Kismiantini

2023

statistika

View full text Add to dashboard Cite

Abstrak Gojek merupakan layanan transportasi online yang banyak digunakan di Indonesia. Penting bagi perusahaan untuk memahami persepsi masyarakat terhadap kualitas pelayanan dan produk yang ditawarkan. Namun, sulit untuk memantau banyaknya pendapat masyarakat untuk diproses secara manual. Tujuan dari penelitian ini yaitu mengklasifikasikan ulasan pada aplikasi Gojek dan menganalisis asosiasi kata dari hasil klasifikasi untuk mengetahui topik yang banyak dibicarakan dengan menggunakan data dari halaman Google Play. Beberapa tahapan yang dilakukan dalam analisis sentimen penelitian ini diantaranya yaitu pengumpulan data, preprocessing, perhitungan skor sentimen, pelabelan kelas sentimen, dan pengklasifikasian data dengan metode Naïve Bayes Classifier serta dilakukan asosiasi teks. Metode Naïve Bayes Classifier yaitu metode klasifikasi yang sederhana namun menghasilkan tingkat akurasi yang tinggi. Hasil penelitian dari data yang dikumpulkan pada 1-31 Januari 2023 dengan total sebanyak 4.198 ulasan, cenderung memiliki sentimen positif. Penelitian menggunakan metode Naïve Bayes Classifier dengan 3 rasio pembagian data training dan data testing (70%:30%, 80%:20%, 90%:10%) menghasilkan tingkat akurasi tertinggi yaitu 89,9% dengan pembagian 90% data training dan 10% data testing. Abstract Gojek is an online transportation service that is widely used in Indonesia. It is important for companies to understand how people perceive the quality of the services and products they provide. However, it is difficult to monitor the number of people's opinions to be processed manually. The heading of this research is to classify reviews on the Gojek application and to analyze word associations from the classification results to find out topics that are widely discussed using data from the Google Play page. In this study, several steps of sentiment analysis were carried out, including collecting data, preprocessing, determining sentiment scores, labeling sentiment classes, and classifying data data using the Naïve Bayes Classifier method and carrying out text associations. The Naïve Bayes Classifier method is a simple classification method but produces a high level of accuracy. The research results from data collected on January 1-31 2023 with a total of 4,198 reviews tend to have positive sentiment. The research used the Naïve Bayes Classifier method with three ratios of spliting training and testing data (70%:30%, 80%:20%, 90%:10%) resulting in the highest level of accuracy, namely 89.9% with a 90% division of training data and 10% testing data.

show abstract

Section: Preprocessing Dataunclassified

Analisis Sentimen Ulasan pada Gojek Menggunakan Metode Naive Bayes

Yuniar,

Kismiantini

2023

statistika

View full text Add to dashboard Cite

show abstract

“…Data saham yang termasuk data time series menggunakan metode regresi dalam melakukan proses data mining. Data saham memiliki banyak fitur yang ada di dalamnya seperti harga pembukaan, harga penutupan, harga tertinggi dan harga terendah [11]. Ada beberapa algoritma regresi yang bisa digunakan untuk melakukan prediksi harga saham seperti Gradient Boost dan Support Vector Machine (SVM) [1], [12].…”

Section: Pendahuluanunclassified

“…Penelitian tentang pilihan fitur yang digunakan dalam melakukan prediksi harga saham juga pernah dilakukan dengan cara menghitung F-score fitur tunggal dan melakukan kombinasi dari keseluruhan fitur yang telah ditentukan. Penelitian tersebut mendapatkan hasil akurasi sebesar 71% dan nilai F-score sebesar 70% [11].…”

Section: Pendahuluanunclassified

Performance Analysis of XGBoost Algorithm to Determine the Most Optimal Parameters and Features in Predicting Stock Price Movement

Ardana

2023

Telematika

View full text Add to dashboard Cite

Purpose: The research aims to find the best parameters and features for predicting stock price movement using the XGBoost algorithm. The parameters are searched using the RMSE value, and the features are searched using the importance value.Design/methodology/approach: The research data is the stock data of Amazon.com company (AMZN). The dataset contains the Date, Low, Open, Volume, High, Close, and Adjusted Close features. The dataset is ensured to have no missing data by handling missing values. The input feature is selected using the Pearson Correlation feature selection method. To prevent the difference between the highest and lowest stock price from being too far apart, the data is scaled using the scaling method. To avoid bias that may appear in the prediction result, cross-validation is used with the Min Max Scaling method, which will devide the dataset into training data and testing data within a range of 30 days after the training data. The parameters to be tested include n_estimator = 500, early stopping round = 3, learning rate = 0.01, 0.05, 0.1, and max_depth (tree depth) = 3, 4, 5.Findings/result: The result of the research that a learning rate of 0.05 and a tree depth of 5 obtained the lowest RMSE result compared to other models, with an RMSE of 0.009437. The Low feature obtained the highest importance value among all the models built.Originality/value/state of the art: This study used testing data within a range of 30 days after the training data and used a combination of parameters, including n_estimator = 500, early stopping round = 3, learning rate = 0.01, 0.05, 0.1, amd max_depth (tree depth) = 3, 4, 5.

show abstract

“…Analisis fundamental adalah analisis yang dilakukan berdasarkan pada kondisi perusahaan baik di masa terdahulu dan kemungkinan yang terjadi di masa mendatang dalam kaitan untuk memprediksi harga saham dengan menggunakan informasi dari berita ataupun laporan keuangan perusahaan. Kemudian, analisa teknikal dilakukan berdasarkan pada pergerakan harga saham di periode sebelumnya [4]. Memaksimalkan return dan meminimalkan resiko yang didapat merupakan tujuan utama dari investasi saham.…”

Section: Pendahuluanunclassified

Implementasi Algoritma Support Vector Machine (Svm) Dalam Memprediksi Harga Saham Pt. Garuda Indonesia TBK

Wulandari

Anubhakti

2021

IDEALIS Budi Luhur

View full text Add to dashboard Cite

Abstrak- Saham adalah salah satu bentuk investasi yang dapat memindah tangankan kepemilikan perusahaan. Saham diperjual-belikan di lantai bursa, salah satunya yang berada di Indonesia adalah IDX (Indonesia Stcok Exchange). IDX adalah pihak penyelenggara dan penyedia sistem dan sarana yang mempertemukan penawaran jual beli Efek pihak-pihak lain dengan tujuan memperdagangkan Efek diantara mereka. Harga saham yang sangat fluktuatif sangat beresiko dapat menimbulkan kerugian kepada para trader ataupun investor, tetapi harga saham masih dapat diprediksi. Model prediksi pergerakan harga saham yang akurat dapat membantu para investor dalam pertimbangan pengambilan keputusan. Ada beberapa variabel yang mempengaruhi nilai return saham, yang sifatnya linier dan non-linier terhadap return harga saham. Prediksi harga saham ini akan sangat berguna bagi investor untuk mengetahui bagaimana alur investasi bekerja dan tentunya akan sangat membantu untuk mengurangi tingkat kerugian. Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam melakukan prediksi harga saham harian PT. Garuda Indonesia, Tbk yang mana hasil akhirnya berupa nilai akurasi prediksi harga saham. Data yang digunakan dalam penelitian ini adalah data sekunder berupa data historis harga saham harian sejak tanggal 18 Maret 2019 sampai dengan tanggal 23 April 2021. Penelitian ini menunjukkan bahwa menggunakan metode SVM mampu memprediksi harga saham dengan nilai akurasi prediksi sebesar 0.545. Abstract- Stock is one of the investment firms that can transfer ownership of a company. Shares are traded on the stock exchange floor, one of which is in Indonesia is IDX (Indonesia Stock Exchange). IDX is the provider of systems and facilities that bring together other parties' buying and selling offers for the purpose of trading Securities between them. Very volatile stock prices are very risky, which can cause losses to traders or investors, but stock prices are still predictable. An accurate prediction model for stock price movements can help investors in considering decision-making. Several variables affect the value of stock returns, which are linear and non-linear on stock price returns. This stock price prediction will be very useful for investors to find out how the investment flow works and of course will be very helpful to reduce the level of losses. This study aims to apply the Support Vector Machine (SVM) method in predicting the daily stock price of PT. Garuda Indonesia, Tbk, where the result is the accuracy of the stock price prediction. The data used in this study is secondary data in the form of historical data on daily stock prices from March 18, 2019, to April 23, 2021. This study shows that using the SVM method can predict stock prices with a predictive accuracy value of 0.545.

show abstract

Prediksi Harga Saham Dengan SVM (Support Vector Machine) Dan Pemilihan Fitur F-Score

Cited by 3 publications

References 8 publications

Analisis Sentimen Ulasan pada Gojek Menggunakan Metode Naive Bayes

Analisis Sentimen Ulasan pada Gojek Menggunakan Metode Naive Bayes

Performance Analysis of XGBoost Algorithm to Determine the Most Optimal Parameters and Features in Predicting Stock Price Movement

Implementasi Algoritma Support Vector Machine (Svm) Dalam Memprediksi Harga Saham Pt. Garuda Indonesia TBK

Contact Info

Product

Resources

About