Please use this identifier to cite or link to this item:
http://repository.ipb.ac.id/handle/123456789/103952
Title: | Natural Language-based Financial Forecasting untuk Imbal Hasil Indeks Harga Saham Gabungan Menggunakan Support Vector Regression pada Laman Berita Keuangan |
Authors: | Fitrianto, Anwar Sartono, Bagus Aprilliant, Audhi |
Issue Date: | 2020 |
Publisher: | IPB University |
Abstract: | Tingkat volatilitas imbal hasil saham dapat dipengaruhi oleh faktor-faktor ekonomi dan sentimen sosial ekonomi yang terjadi di pasar. Salah satu sumber data tentang sentimen sosial ekonomi adalah berita keuangan. Banyaknya data yang bersumber dari berita keuangan meningkat seiring dengan perkembangan teknologi dan big data. Hal tersebut, terutama yang berupa data tidak terstruktur perlu dimanfaatkan dalam melakukan analisis peramalan imbal hasil harga saham. Tujuan penelitian adalah melakukan peramalan imbal hasil indeks harga saham gabungan (IHSG) menggunakan natural language-based financial forecasting (NLFF). NLFF diterapkan dengan menggunakan peubah penjelas dari hasil ekstraksi data teks, seperti sentimen dan perhitungan matematika lainnya. Peramalan imbal hasil IHSG menggunakan support vector regression (SVR) berdasarkan berita keuangan yang bersumber dari Okezone, Kompas, dan Detik tahun 2019. Dalam rangka memperoleh parameter optimum, diterapkan hyperparameters tuning dengan meggunakan walk-forward optimization. Parameter terbaik diperoleh dengan membandingkan nilai root mean square error (RMSE) pada setiap kombinasi parameter. Hasil penelitian ini menunjukkan radial basic function merupakan kernel terbaik karena memiliki RMSE terkecil dengan korelasi Perason terbesar dibandingkan dengan linear dan polinomial. Peramalan IHSG menggunakan hanya data berita keuangan tidak menghasilkan hasil peramalan yang cukup baik. |
URI: | http://repository.ipb.ac.id/handle/123456789/103952 |
Appears in Collections: | UT - Statistics and Data Sciences |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
G20aap.pdf Restricted Access | Fulltext | 15.71 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.