Page Header Logo
Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier
Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier
Abstract views: 824

Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier

Abidatul Izzah, Ratna Widyastuti

Abstract

Seiring berkembangnya bisnis modern, prediksi harga saham selalu mendapat perhatian khusus oleh pakar ekonomi. Prediksi nilai saham menggunakan model Multiple Linear Regression (MLR) telah terbukti memberikan nilai prediksi yang presisi dan cukup baik. Namun di sisi lain, regresi linear memiliki beberapa kelemahan terhadap data outlier. Oleh karena itu pada penelitian ini dilakukan prediksi nilai harga saham menggunakan MLR yang dibantu dengan teknik K-Means dan Moving Average (MA) untuk mengatasi pengaruh data outlier. Pengujian diawali dengan pengumpulan data dan pra-proses data. Data harga saham yang akan digunakan dalam pengujian diperoleh dari laman finance.yahoo.com dengan kategori “Jakarta Composite Index (^JKSE)”. Selanjutnya proses prediksi dilakukan dengan hybrid MLR dengan K-Means dan MA untuk mengatasi titik-titik saham yang outlier. Dari hasil yang diperoleh, dapat dilihat bahwa pendekatan paling baik ditunjukkan oleh metode MLR dan MA yakni dengan nilai MSE sebesar 15087.465, RMSE sebesar 122.831, dan MAPE sebesar 3.255.

Keywords

K-Means, Moving Average, Outlier, Prediksi, Regresi, Saham

Full Text:

PDF

References

[1] D. Hatidja, “Penerapan Model Arima Untuk Memprediksi Harga Saham PT Telkom Tbk.,” Jurnal Ilmiah Sains, Vol. 11, No. 1, Pp. 116–123, 2011.

[2] S. C. Jaya, M.L. Khodra, “Model Prediksi Harga Saham Dengan Jaringan Syaraf Tiruan (Studi Kasus: Saham Tlkm Di Bursa Efek Indonesia),” Prosiding Konferensi Nasional Informatika (KNIF), 2015, Pp. 94–99.

[3] A. Rahmi, W. Mahmudy, “Prediksi Harga Saham Berdasarkan Data Historis Menggunakan Model Regresi Yang Dibangun Dengan Algoritma Genetika,” JTIIK Univ. Brawijaya, Vol. 5, No. 12, Pp. 1–9, 2014.

[4] L. Kurniawati, H. Tjandrasa, I. Arieshanti, “Prediksi Pergerakan Harga Saham Menggunakan Support Vector Regression,” Jurnal Scan, Vol. 8, No. 2, Pp. 11–21, 2013.

[5] Y. Sari, R. Ginardi, N. Suciati, “Color Correction Using Improved Linear Regression Algorithm,” In International Conference On Information, Communication Technology And System (ICTS) Proceeding, 2015.

[6] E. Han, A. Srivastava, V. Kumar, “Parallel Formulation Of Inductive Classification Learning Algorithm,” 1996.

[7] J. Heizer, B. Render, “Manajemen Operasi, Edisi 9 ", Terjemahan Chriswan Sungkono, In Salemba Empat, Jakarta, 2006.

[8] F. L. H. Prasetya, “Manajemen Operasi,” Cetakan Pertama, In PT Buku Kita, Jakarta, 2009.

[9] R. Zunaidhi, W. Saputra, N. Sari, “Aplikasi Peramalan Penjualan Menggunakan Metode Regresi Linier,” Jurnal Scan, Vol. 2, No. 3, Pp. 41–45, 2008.

[10] T. Kanungo, D. Mount, N. Netanyahu, “An Efficient K-Means Clustering Algorithm: Analysis And Implementation,” IEEE Transactions on Pattern Analysis And Machine Intelligence," Vol. 24, No. 7, 2002.

DOI: http://dx.doi.org/10.22219/kinetik.v2i3.268

Refbacks

  • There are currently no refbacks.

Indexed by: 

 

Referencing Software:

Checked by:

Supervised by:

Statistic:

View My Stats


Creative Commons License Kinetik : Game Technology, Information System, Computer Network, Computing, Electronics, and Control by http://kinetik.umm.ac.id is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.