Metode Random Forest dan XGBoost: Studi Kasus Prediksi Arah Penutupan Harga Saham

Abstract

Kemampuan dalam memprediksi tren pergerakan harga pasar saham dengan baik dan akurat sangat penting bagi investor karena akan mempengaruhi keputusan untuk membeli atau menjual asset yang dapat menghasilkan keuntungan yang signifikan. Namun, karena harga saham dinilai tidak tetap dan bersifat non-parametrik, maka ada ketidakpastian yang harus diperhitungkan. Dalam beberapa tahun terakhir, algoritma Machine Learning khususnya algoritma pembelajaran gabungan telah digunakan untuk memprediksi arah harga saham. Tujuan dari penelitian ini adalah menerapkan metode Random Forest dan XGBoost dengan algoritma grid search untuk membangun model prediksi arah harga saham BBRI. Hasil penelitian menunjukkan model prediksi metode Random Forest menghasilkan nilai akurasi sebesar 90,01% dengan AUC sebesar 0,95 dan model prediksi metode XGBoost menghasilkan nilai akurasi sebesar 89,45% dengan AUC sebesar 0,94.

The ability to predict trends in stock market price movements well and accurately is very important for investors because it will affect the decision to buy or sell assets that can generate significant profits. However, since stock prices are considered non-fixed and non-parametric, there is uncertainty that must be accounted for. In recent years, Machine Learning algorithms, especially ensemble learning algorithms, have been successful in producing good accuracy in predicting the direction of stock prices. The purpose of this research is to apply Random Forest and XGBoost methods with a grid search algorithm to build a prediction model for BBRI stock price direction. The result shows that the Random Forest method prediction model produces an accuracy value of 90,01% with an AUC of 0,95 and the XGBoost method prediction model produces an accuracy value of 89,45% with an AUC of 0,94.