Muhammad Hasan Basri
Departemen Teknik Informatika, Institut Teknologi Sepuluh Nopember

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

Found 1 Documents
Search

Optimasi Model Prediksi Saham LQ45 Menggunakan Teknik Weighted Ensemble Samsul Arifin; Muhammad Hasan Basri; Yusril Rahman
Jurnal Pendidikan dan Teknologi Indonesia Vol 6 No 3 (2026): JPTI - Maret 2026
Publisher : CV Infinite Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jpti.1590

Abstract

Investasi pada indeks LQ45 menawarkan likuiditas tinggi namun memiliki risiko yang signifikan bagi investor pemula. Tantangan utama dalam prediksi harga saham adalah karakteristik data yang non-linear dan dinamis. Penelitian ini mengusulkan sebuah sistem prediksi yang dioptimasi menggunakan model Hybrid (CNN-LSTM) dan Weighted Ensemble Method. pendekatan ini mengintegrasikan indikator teknikal seperti Relative Strength Index (RSI), Moving Average (MA), dan volatilitas harga untuk memperkuat fitur input. Model CNN diimplementasikan untuk mengekstraksi fitur spasial dan memfilter gangguan pasar (noise), sementara LSTM menangkap dependensi temporal jangka panjang. Untuk meningkatkan stabilitas prediksi, metode Weighted Ensemble diterapkan dengan menggabungkan model Machine Learning (XGBoost dan Random Forest) serta model Deep Learning. Pengujian dilakukan pada data saham periode 2020 hingga Januari 2026 dengan total 55.816 data. Hasil eksperimen menunjukkan bahwa model Weighted Ensemble yang diusulkan memberikan performa terbaik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 3,52% dan Root Mean Square Error (RMSE) sebesar 0,0270. Selain itu, sistem ini diintegrasikan dengan rekomendasi sinyal (Buy/Hold) menggunakan ambang batas kenaikan 1% yang diuji untuk memprediksi harga pada periode 1-10 Februari 2026. Penelitian ini memberikan kontribusi praktis sebagai sistem pendukung keputusan yang akurat dan robust dalam meminimalkan risiko investasi di pasar modal Indonesia.