Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Computer Science and Information Technology
Afil Anugrah
Universitas Muhammadiyah Makassar
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : journal of computer science and information technology

 1 
KLASIFIKASI KELAYAKAN SAHAM JANGKA PANJANG MENGGUNAKAN RANDOM FOREST BERBASIS RASIO FUNDAMENTAL EMITEN BEI Afil Anugrah; Rizki Yusliana Bakti; Muhammad Faisal
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4453

Abstract

Investasi saham jangka panjang memerlukan penyaringan yang mempertimbangkan kondisi fundamental perusahaan secara sistematis. Penelitian ini bertujuan membangun model klasifikasi kelayakan saham menggunakan Random Forest berbasis Price Earnings Ratio (PER), Price to Book Value (PBV), Return on Equity (ROE), Debt to Equity Ratio (DER), dan Earnings per Share (EPS) pada emiten Bursa Efek Indonesia. Dataset terdiri atas 375 perusahaan dengan data fundamental periode 2025 yang diperoleh menggunakan yfinance. Label dibentuk melalui rule-based scoring dengan kriteria PER < 25, PBV < 3, ROE > 15, DER < 1, dan EPS > 0; skor ≥ 3 dikategorikan Layak dan skor < 3 Tidak Layak. Data dibagi 80:20 menjadi 300 data training dan 75 data testing. Random Forest menggunakan 100 Decision Tree dan dievaluasi dengan Accuracy, Precision, Recall, F1-Score, dan Confusion Matrix. Hasil pengujian menunjukkan Accuracy 97,33%, Precision 97,92%, Recall 97,92%, dan F1-Score 97,92%, dengan 73 dari 75 data uji diklasifikasikan benar. Feature Importance menunjukkan PER 0,47, PBV 0,24, EPS 0,13, ROE 0,11, dan DER 0,05. Hasil tersebut menunjukkan konsistensi model dalam mereplikasi label berbasis aturan, bukan bukti kemampuan memprediksi return saham masa depan karena label dan fitur berasal dari indikator yang sama.
Co-Authors Bakti, Rizki Yusliana Muhammad Faisal