Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Nusantara of Engineering (NOE)
M. Sirajuth Thayyib
Universitas Islam Sultan Agung
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 1 Documents
Search

 1 
IMPLEMENTASI HYBRID ARIMA-RANDOM FOREST UNTUK SISTEM REKOMENDASI SAHAM SEKTOR MIGAS BERBASIS PROBABILISTIK Dedy Kurniadi; M. Sirajuth Thayyib
Nusantara of Engineering (NOE) Vol 9 No 02 (2026): Volume 9 Nomor 2 - 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/noe.v9i02.28696

Abstract

Penentuan keputusan investasi saham merupakan proses yang kompleks karena dipengaruhi oleh berbagai faktor seperti pergerakan harga historis, kondisi fundamental perusahaan, serta dinamika pasar yang bersifat non-linear. Investor sering mengalami kesulitan dalam mengintegrasikan berbagai informasi tersebut secara sistematis. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi saham berbasis probabilistik menggunakan pendekatan hybrid antara model Autoregressive Integrated Moving Average (ARIMA) dan Random Forest. Model ARIMA digunakan untuk menghasilkan prediksi harga saham pada horizon 7 hari, sedangkan Random Forest digunakan untuk mengklasifikasikan rekomendasi investasi menjadi buy, sell, atau hold berdasarkan fitur teknikal, fundamental, dan output ARIMA. Sistem juga dilengkapi dengan mekanisme keputusan probabilistik melalui penerapan threshold dan filtering untuk meningkatkan kualitas sinyal. Hasil pengujian menunjukkan bahwa model memiliki performa klasifikasi dengan nilai ROC-AUC di atas 0.5 dan akurasi sekitar 52%. Evaluasi menggunakan backtesting pada data out-of-sample menunjukkan bahwa sistem mampu menghasilkan return sebesar ±46.5% dengan win rate 78.6%. Hasil ini menunjukkan bahwa pendekatan yang diusulkan mampu menghasilkan rekomendasi investasi yang selektif dan memiliki performa yang baik dalam simulasi perdagangan.
Co-Authors Dedy Kurniadi