PENERAPAN METODE SUPPORT VECTOR REGRESSION (SVR) DENGAN ALGORITMA GRID SEARCH DALAM PERAMALAN HARGA SAHAM

Abstrak

Saham merupakan investasi yang paling banyak diminati oleh investor karena mampu memberikan tingkat keuntungan yang tinggi dengan risiko tertentu. Oleh karena itu, peramalan harga saham sangat penting dilakukan untuk memaksimalkan keuntungan investasi. Tujuan penelitian ini adalah untuk melakukan peramalan harga saham menggunakan metode support vector regression (SVR) dengan memanfaatkan fungsi kernel linear, RBF, sigmoid, dan polinomial. SVR dapat mengatasi masalah data nonlinear dan overfitting. Optimasi parameter dilakukan dengan menggunakan algoritma grid serach yang menerapkan konsep times series cross validation. Setelah dilakukan proses pelatihan dan pengujian model menggunakan metode SVR, diperoleh model SVR terbaik adalah menggunakan kernel polinomial dengan parameter   , , dan , yang menghasilkan akurasi sebesar 0,99211, RMSE sebesar 0,01027, dan MAE sebesar 0,00723 pada data training serta menghasilkan nilai akurasi sebesar 0,99389, RMSE sebesar 0,01988, MAE sebesar 0,01323, dan MAPE sebesar 0,02709 pada data testing. Hasil peramalan untuk 85 periode ke depan menggunakan model SVR terbaik memiliki MAPE sebesar 6,45%, ini berarti model SVR yang diperoleh mampu meramalkan harga penutupan saham jauh lebih baik dibandingkan dengan model ARIMA yang memiliki MAPE sebesar 20,68%.