Prediksi Closing Price saham harian berbasis Soft Computing

ABSTRAK

Pasar saham memegang peranan penting dalam perekonomian global yang menghasilkan keuntungan sebagai instrumen investasi pertumbuhan ekonomi. Prediksi harga saham adalah tugas kompleks yang bergantung pada banyak faktor seperti kondisi politik, ekonomi global, laporan keuangan perusahaan, dan pendapatan. Oleh karena itu, untuk memaksimalkan keuntungan dan meminimalkan kerugian, diperlukan adanya teknik memprediksi nilai saham dengan menggunakan analisis tren untuk melihat pergerakan pasar saham. Penelitian ini bertujuan untuk membandingkan kinerja kedua metode artificial neural network dan multiple linear regression. Data yang digunakan merupakan data saham anggota Jakarta Islamic Index (JII) dengan periode pendirian 1 Maret 2024 hingga 31 Mei 2024. Data saham dengan kode emiten BRMS dan GOTO dipilih karena rasio free float kedua saham ini lebih dari 50% dan selisih bobot indeksnya cukup besar. Pengujian MAPE (Mean Absolute Percentage Error) dilakukan untuk mengetahui besarnya error yang dihasilkan kedua metode. Berdasarkan hasil uji coba dan evaluasi yang telah dilakukan, metode artificial neural network menunjukkan hasil prediksi dengan nilai MAPE sebesar 2.86%. sedangkan hasil prediksi multiple linear regression menunjukkan nilai MAPE sebesar 2.90%.

ABSTRACT

The stock market holds an important role in the global economy that generates profits as an investment instrument for economic growth. Stock price forecasting is a complex task that depends on many factors such as political conditions, the global economy, a company's financial statements, and earnings. Therefore, to maximize profits and minimize losses, it is necessary to predict stock values using trend analysis to see stock market movements. This study aims to determine the influence of features on stock close price predictions and compare the performance of the two algorithms. The data taken are stocks of members of the Jakarta Islamic Index (JII) for the establishment period of March 1, 2024 to May 31, 2024. BRMS and GOTO stock data were chosen because the free float ratio of these two stocks is more than 50% and the difference in index weighting is quite large. MAPE (Mean Absolute Percentage Error) testing is carried out to determine the magnitude of error generated by both algorithms. The artificial neural network method shows prediction results with a MAPE value of 2.86%. This shows that artificial neural networks are better at predicting close stock prices.

مستخلص البحث

يلعب سوق الأسهم دورا مهما في الاقتصاد العالمي الذي يولد الأرباح كأداة استثمارية للنمو الاقتصادي. يعد التنبؤ بسعر السهم مهمة معقدة تعتمد على العديد من العوامل مثل الظروف السياسية والاقتصاد العالمي والتقريرات المالية للشركة والأرباح. لذلك، لتحقيق أقصى قدر من الأرباح وتقليل الخسائر، من الضروري التنبؤ بقيمة الأسهم باستخدام تحليل الاتجاه لمعرفة تحركات سوق الأسهم. تهدف هذه الرسالة إلى مقارنة أداء كلتي الطريقتين الشبكة العصبية الاصطناعية (artificial neural network) والانحدار الخطي المتعدد (multiple linear regression). البيانات المستخدمة هي بيانات الأسهم لأعضاء مؤشر جاكرتا الإسلامي (JII) مع فترة تأسيس من 1 مارس 2024 إلى 31 مايو 2024. تم اختيار بيانات الأسهم مع رموز المصدر BRMS و GOTO لأن نسبة التعويم الحر لهذين السهمين تزيد عن 50٪ والفرق في وزن المؤشر كبير جدا. يتم إجراء اختبار MAPE (متوسط النسبة المئوية للخطأ) لتحديد حجم الأخطاء الناتجة عن كلتا الطريقتين. استنادا إلى نتائج التجارب والتقييمات التي تم إجراؤها، أظهرت طريقة الشبكة العصبية الاصطناعية نتائج تنبؤ بقيمة MAPE تبلغ 2.86٪. بينما أظهرت نتائج التنبؤ بالانحدار الخطي المتعدد قيمة MAPE بنسبة 2.90٪.