PREDIKSI HARGA SAHAM PT BANK CENTRAL ASIA TBK BERDASARKAN DATA DARI BURSA EFEK INDONESIA MENGGUNAKAN METODE K-NEAREST NEIGHBORS (KNN)
Kata Kunci:
Prediksi Harga Saham, Kurs Jual, Kurs Beli, Suku Bunga, K-Nearest NeighborsAbstrak
Prediksi saham menggunakan metode K-Nearest Neighbors dimaksudkan agar dapat memberikan prediksi yang dapat membantu masyarakat dan investor untuk mengetahui harga saham di waktu kedepan. Melalui tahap studi literatur, wawancara dan melihat data harga saham harian dimana atribut yang digunakan adalah harga buka saham harian, harga tertinggi, harga terendah, harga tutup saham harian, data kurs jual, kurs beli rupiah terhadap mata uang dollar amerika, serta data suku bunga 1 bulan. Adapun hasil yang diperoleh dengan jumlah keseluruhan data adalah 1415 data, dengan total data training sebanyak 70% dan data testing sebanyak 30% menggunakan metode K-Nearest Neighbors, maka diperoleh tingkat akurasi sebanyak 61.79%. Melalui confusion matrix ditunjukkan nilai yang diberikan untuk precision atau tingkat ketepatan informasi yang diharapkan untuk data yang diklasifikasikan mengalami kenaikan adalah 62.03% dan data yang mengalami penurunan harga adalah 60.76%, sedangakan untuk nilai recall atau tingkat keberhasilan terhadap informasi yang ditemukan untuk data yang diklasifikasikan kenaikan harga adalah 87.35% dan data yang diklasifikasikan mengalami penurunan harga adalah sebesar 26.82%.
Unduhan
Referensi
S. Andriani, “MINAT INVESTASI SAHAM PADA MAHASISWA,” Jurnal Ekonomi Dan Bisnis Indonesia, vol. 4, no. 1, pp. 37-44, 2019.
V. C. Nugroho, E. Hulu dan G. S. Ugut, “FAKTOR YANG MEMPENGARUHI VOLUME TRANSAKSI PADA HARGA SAHAM PT. BANK CENTRAL ASIA TBK.,” Jurnal Manajemen Terapan dan Keuangan (Mankeu), vol. 10, no. 1, pp. 99-109, 2021.
H. V. Y. Sitorus, “ANALISIS HARGA SAHAM PT ASTRA INTERNASIONAL Tbk MENGGUNAKAN DATA BURSA EFEK INDONESIA DALAM JANGKA WAKTU PENDEK MENGGUNAKAN METODE NAIVE BAYES DAN DECISION TREE-J48,” 2017.
E. Turban dan dkk., Decision Support System and Intelligent System, Yogyakarta: ANDI, 2005.
J. Han dan M. Kimber, Data mining: Concepts and Techniques Second Edition., Morgan Kaufmann Publisher, 2006.
F. Gorunescu, Data mining Concepts, Models and Techniques, New York: Springer Verlag, 2011.
K. dan E. T. Lutfi, Algoritma Data mining, Yogyakarta: ANDI, 2009.
J. Han dan J. Pei, Data mining Concepts and Techniques Third Edition, Waltham: Elsevier Inc., 2011.
R. Arthana, “Mengenal Accuracy, Precision, Recall dan Specificity serta yang diprioritaskan dalam Machine learning,” 18 November 2019. [Online]. Available: https://medium.com/@rey1024/mengenal-accuracy-precission-recall-dan-specificity-serta-yang-diprioritaskan-b79ff4d77de8.
F. Sulianta dan D. Juju, RapidMiner (YALE), PT. Elex Media Komputindo, 2010.
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2021 TeIKa
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
The submitting author warrants that the submission is original and that she/he is the author of the submission together with the named co-authors; to the extend the submission incorporates text passages, figures, data or other material from the work of others, the submitting author has obtained any necessary permission.
Articles in this journal are published under the Creative Commons Share Alike Attribution Licence (CC-BY-SA What does this mean?). This is to get more legal certainty about what readers can do with published articles, and thus a wider dissemination and archiving, which in turn makes publishing with this journal more valuable for you, the authors.
By submitting an article the author grants to this journal the non-exclusive right to publish it. The author retains the copyright and the publishing rights for his article without any restrictions.
