Article Per Year (5 Year)
p-Index From 2020 - 2025
6.938
P-Index
This Author published in this journals
All Journal Media Statistika BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Statistika Universitas Muhammadiyah Semarang BAREKENG: Jurnal Ilmu Matematika dan Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Jambura Journal of Mathematics Sarwahita : Jurnal Pengabdian Kepada Masyarakat Variance : Journal of Statistics and Its Applications Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Jurnal Forum Analisis Statistik STATISTIKA
Evy Sulistianingsih
Department Of Mathematics, Universitas Tanjungpura, Jl. Prof. Dr. H. Hadari Nawawi, Pontianak, Indonesia 78124
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Mathematics Mechanical Engineering Physics Social Sciences Transportation Other

Published : 97 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 97 Documents
Search

 5   6   7   8   9 
Analisis Pembentukan Portofolio Optimal pada Indeks Saham LQ-45 dengan Metode Safety First Criterion Amalia, Disya Recita; Sulistianingsih, Evy; Imro'ah, Nurfitri
Jambura Journal of Mathematics Vol 6, No 2: August 2024
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v6i2.24438

Abstract

An optimal portfolio of stocks is a combination of various stock investment assets chosen to provide the maximum level of return for a specified level of risk or provide a minimal level of risk for a specified level of return. Investors form an optimal stock portfolio with the aim of minimizing the risk of investment activities. This research discusses the formation of the optimal portfolio on LQ-45 index stocks with the Safety First Criterion method. There are three criteria in the Safety First method, namely Roy Safety First, Kataoka Safety First, and Telser Safety First. The three criteria of Safety First have the main similarity in focusing on investment risk and have different objectives. The optimal portfolio with Roy Safety First criteria aims to reduce the possibility of a high level of risk. Then, the optimal portfolio with Kataoka Safety First criteria, has the goal of maximizing returns, with a level of risk determined by investors. While the optimal portfolio of Telser Safety First criteria aims to achieve the highest expected return within a predetermined risk level. The data in this study are secondary data on the weekly closing price of the LQ-45 index for the period February 2021 to January 2023, which is 105 weeks. Based on the results of the analysis, the optimal portfolio formation for risk-loving investors is the Telser criteria portfolio. This portfolio consists of ADRO, BBNI, BMRI, ITMG, and MEDC stocks. Then, the optimal portfolio for risk-averse investors is the Roy criteria portfolio consisting of ADRO, BBNI, BMRI, MDKA, and MEDC stocks.
KLASIFIKASI WAKTU KELULUSAN MAHASISWA DENGAN KOMBINASI METODE RANDOM FOREST DAN ADABOOST (Studi Kasus: Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Tanjungpura) Salsabila, Hana; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91673

Abstract

Institusi perguruan tinggi berperan sebagai penyelenggara pendidikan akademik yang ditujukan bagi mahasiswa. Mahasiswa menjadi tolak ukur dalam menilai kualitas perguruan tinggi, salah satunya melalui tingkat kelulusan tepat waktu. Proporsi mahasiswa yang menyelesaikan studi tepat waktu merupakan salah satu indikator krusial dalam evaluasi akreditasi perguruan tinggi. Namun, masih banyak mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Tanjungpura (Untan) yang tidak lulus tepat waktu, sehingga mempengaruhi kualitas dan akreditasi institusi. Penelitian ini bertujuan untuk menerapkan kombinasi metode Random Forest dan AdaBoost dalam klasifikasi kelulusan mahasiswa serta menentukan akurasinya. Penelitian ini menggunakan data sekunder terkait kelulusan mahasiswa FMIPA Untan dari Periode I Tahun Akademik 2018/2019 hingga Periode II Tahun Akademik 2023. Analisis dimulai dari mendeskripsikan data kelulusan mahasiswa. Kemudian dilanjutkan ke tahap analisis Random Forest, lalu dilakukan evaluasi dengan menghitung nilai akurasinya. Selanjutnya algoritma AdaBoost diterapkan pada algoritma Random Forest, kemudian dilakukan evaluasi kembali dengan menghitung nilai akurasinya untuk melihat kinerja model. Hasil penelitian menunjukkan bahwa Algoritma Random Forest mampu mengklasifikasikan data sebanyak 53 data yang benar diklasifikasikan tepat waktu sedangkan 439 lainnya salah diklasifikasikan sedangkan pada data kelulusan tidak tepat waktu diketahui bahwa 1323 data yang benar diklasifikasikan tidak tepat waktu sedangkan 78 diantaranya salah diklasifikasikan dengan akurasi sebesar 72,7%. Penerapan tahap boosting dengan Algoritma AdaBoost menghasilkan peningkatan akurasi yang signifikan mencapai 96,8%. Atribut yang memiliki kontribusi terbesar dalam klasifikasi berdasarkan Random Forest adalah IPS Semester 3. Berdasarkan hasil penelitian, Algoritma AdaBoost terbukti efektif untuk meningkatkan akurasi Algoritma Random Forest dalam klasifikasi kelulusan mahasiswa.
PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN KASUS KRIMINALITAS MENGGUNAKAN METODE WARD DENGAN OPTIMALISASI GAMMA INDEX Oktitannia, Dea; Sulistianingsih, Evy; Martha, Shantika
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91757

Abstract

Kriminalitas menjadi permasalahan yang serius di Indonesia yang masih terjadi hingga saat ini dan dapat mempengaruhi kehidupan sosial masyarakat. Oleh karena itu, upaya menurunkan angka kriminalitas menjadi yang penting dilakukan, salah satunya dengan meningkatkan kewaspadaan pemerintah maupun masyarakat terhadap potensi kejahatan di lingkungan sekitar. Tujuan dari penelitian ini adalah untuk pengelompokan provinsi di Indonesia berdasarkan kasus kriminalitas dan menentukan jumlah cluster optimal yang terbentuk. Salah satu metode yang digunakan dalam proses pengelompokan ini adalah analisis cluster, yang memungkinkan objek dikelompokkan berdasarkan informasi yang terkandung dalam data tersebut, termasuk hubungan antar objek. Dengan demikian, karakteristik setiap cluster dapat diidentifikasi, sehingga tingkat keadaan darurat serta kebutuhan di masing-masing cluster dapat dianalisis dan di tindaklanjuti secara lebih efektif. Metode Ward merupakan metode pengelompokan yang bertujuan meminimalkan varians di dalam cluster. Selanjutnya, untuk menentukan jumlah cluster optimal digunakan Gamma Index. Hasil penelitian menunjukkan bahwa terbentuknya dua cluster optimal dalam pengelompokan provinsi di Indonesia berdasarkan kasus kriminalitas dengan nilai Gamma Index sebesar 0,9824 yang merupakan nilai tertinggi dibandingkan cluster lainnya. Cluster 1 merupakan daerah karakteristik kriminalitasnya yang rendah terdiri dari 29 provinsi. Cluster 2 merupakan daerah karakteristik kriminalitasnya tinggi yang terdiri dari 5 provinsi. Untuk mengatasinya, diperlukan peningkatan penegakan hukum, analisis faktor pemicu kriminalitas, serta program rehabilitasi dan edukasi bagi pelaku kejahatan. Kolaborasi antara pemerintah, kepolisian dan masyarakat juga perlu diperkuat untuk menciptakan lingkungan yang lebih aman dan kondusif.
PEMODELAN GEOMETRIC BROWNIAN MOTION DAN PERHITUNGAN RISIKO DENGAN ADJUSTED EXPECTED SHORTFALL PADA SAHAM GOLD Putra, Fajar Rahmana; Yundari, Yundari; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91868

Abstract

Dalam pengembalian keputusan investasi, evaluasi risiko merupakan komponen penting dalam pengambilan keputusan investasi. Untuk memahami dan mengelola risiko tersebut, diperlukan pendekatan yang mampu memprediksi pergerakan harga saham serta mengestimasi potensi kerugian. Penelitian ini bertujuan untuk memodelkan pergerakan harga saham dengan memanfaatkan model stokastik Geometric Brownian Motion (GBM) dan hasil ukuran risiko kerugian melalui perbandingan antara Value at Risk (VaR) dan Adjusted Expected Shortfall (Adj-ES). Data yang digunakan adalah harga penutupan saham Gold (GC=F) pada periode September 2023 hingga Agustus 2024. Model GBM diterapkan pada penelitian ini untuk mensimulasikan pergerakan harga saham sebanyak 1000 kali, berdasarkan data volatilitas dan drift yang diperoleh dari data in-sample, di mana drift mencerminkan tingkat pertumbuhan ekspektasi log-return aset dalam jangka waktu tertentu. Setelah menghitung parameter volatilitas dan drift, dilakukan simulasi dengan model GBM pada data out sample. Risiko diukur menggunakan VaR dan Adj-ES dengan tingkat kepercayaan 95%, yang kemudian divalidasi melalui uji backtesting. Hasil analisis menunjukkan bahwa model GBM memiliki tingkat akurasi yang baik, dengan nilai MAPE terkecil sebesar 1,04% serta diperoleh volatilitas sebesar 0,1391 dan drift sebesar 0,2632. Perkiraan kerugian maksimum berdasarkan VaR menunjukkan nilai 1,51%, sedangkan menggunakan Adj-ES menghasilkan estimasi kerugian maksimum sebesar 2,23%. Penelitian ini juga menguji validitas VaR dan Adj-ES pada tingkat kepercayaan 95% melalui metode backtesting menggunakan Uji Kupiec. Berdasarkan hasil uji, VaR dan Adj-ES dinyatakan valid karena nilai Likelihood Ratio (LR) masing-masing 0,09 dan 0,11 lebih kecil dari nilai kritis Chi-Square sebesar 3,84.                                                                                                         Kata Kunci : Stokastik, Value at Risk, Backtesting, Kupiec.
PERAMALAN HARGA PENUTUPAN INDEKS SAHAM LQ45 DENGAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) Wati, Setio Kusumo; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i2.92340

Abstract

Investasi merupakan salah satu faktor pendorong pertumbuhan ekonomi nasional melalui pembiayaan pada sektor riil. Salah satu sektor dalam pembiayaan riil yaitu pasar modal yang menawarkan berbagai jenis investasi seperti saham. Indeks Saham LQ45 merupakan salah satu indikator pergerakan harga saham dari 45 saham yang memiliki likuiditas dan kapitalisasi pasar tinggi. Fluktuasi harga saham pasti terjadi sehingga diperlukan pendekatan analisis keuangan yang memiliki peluang untuk meramalkan harga saham dengan tingkat akurasi yang lebih baik. Metode Generalized Regression Neural Network (GRNN) menjadi metode pembelajaran mesin yang dapat digunakan untuk memprediksi harga Indeks Saham LQ45. Metode GRNN merupakan salah satu jaringan radial basis yang didasarkan pada regresi kernel dengan keunggulan tidak memiliki prosedur iterasi dalam proses optimasinya. Tujuan Penelitian ini adalah untuk meramalkan harga penutupan Indeks Saham LQ45 dalam lima periode ke depan dengan metode GRNN. Data yang digunakan pada penelitian ini adalah data harga penutupan harian Indeks Saham LQ45 Periode Januari 2020 hingga September 2024. Penelitian ini menggunakan 1147 data harga penutupan Indeks Saham LQ45 yang dibagi menjadi 80% data pelatihan dan 20% data pengujian. Hasil penelitian menunjukkan bahwa pada pengujian model menggunakan data pengujian, spread terbaik yang digunakan yaitu 0,01 yang memberikan nilai MSE sebesar 11,6404 dan nilai MAPE sebesar 0,28%. Hasil peramalan menunjukkan bahwa dari lima periode peramalan, harga peramalan terbesar sebesar 944,75 terjadi pada tanggal 3 Oktober 2024, sedangkan harga peramalan terkecil sebesar 934,30 terjadi pada tanggal 1 Oktober 2024.  Kata Kunci : Jaringan Syaraf Tiruan, Regresi Kernel, Spread.
METODE LEAST ABSOLUTE SHRINKAGE AND SELECTION OPERATOR (LASSO) UNTUK PENDUGAAN PARAMETER REGRESI LOGISTIK BINER (Studi Kasus: Faktor-faktor Tingkat Kemiskinan di Indonesia Tahun 2021) Kamila, Diva Rahma; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 1 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i1.91808

Abstract

Metode Least Absolute Shrinkage and Selection Operator (LASSO) merupakan pendekatan regresi yang efektif dalam mengatasi multikolinieritas dengan meminimalkan jumlah kuadrat galat dan menerapkan batasan penalti. Batasan ini memungkinkan LASSO mengecilkan beberapa koefisien hingga nol, sekaligus melakukan seleksi variabel. Salah satu isu strategis yang dapat dianalisis dengan metode LASSO adalah kemiskinan. Kemiskinan berkaitan erat dengan kesejahteraan masyarakat dan menjadi tantangan utama di negara berkembang seperti Indonesia, yang dipengaruhi oleh berbagai faktor. Penelitian ini menerapkan metode LASSO untuk mengatasi multikolinieritas dalam regresi logistik biner terkait faktor-faktor yang mempengaruhi persentase tingkat kemiskinan di Indonesia pada 2021. Tahapan penelitian mencakup pengumpulan data, penerapan metode, seleksi variabel yang signifikan, dan analisis hasil. Hasil menunjukkan bahwa metode LASSO efektif dalam menangani multikolinearitas melalui seleksi variabel, dengan variabel yang masuk dalam model adalah jumlah penduduk miskin, umur harapan hidup, pengeluaran per kapita, dan PDRB serta pengeluaran per kapita dan PDRB sebagai faktor signifikan. Nilai kesalahan klasifikasi model atau Apparent Error Rate (APER) yang diperoleh adalah sebesar 20,5882% dan ketepatan klasifikasi sebesar 79,4118%. Artinya, secara keseluruhan terdapat sebanyak 27 dari 34 provinsi dapat diprediksi secara tepat dengan model yang diperoleh. Sehingga dapat disimpulkan bahwa pengklasifikasian persentase tingkat kemiskinan berdasarkan yang berada di atas rata-rata dan di bawah rata-rata persentase tingkat kemiskinan dalam model regresi logistik biner LASSO memiliki kriteria cukup baik.
PENERAPAN WEB SCRAPING DENGAN PENDEKATAN N-GRAM UNTUK EKSTRAKSI INFORMASI PADA ULASAN HOTEL MAESTRO PONTIANAK Yustosio, Darwis; Sulistianingsih, Evy; Perdana, Hendra
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i2.92221

Abstract

Web scraping merupakan metode otomatisasi yang dilakukan untuk mengekstraksi data dari halaman web. Teknik ini memungkinkan pengambilan informasi dalam jumlah besar secara efisien tanpa harus melakukan penyalinan data secara manual. Dalam penelitian ini, web scraping diterapkan dengan pendekatan N-Gram untuk mengekstraksi dan menganalisis ulasan pelanggan terhadap pelayanan Hotel Maestro Pontianak. Data yang diperoleh kemudian digunakan untuk mengidentifikasi pola kata dan sentimen yang terkandung dalam ulasan pelanggan. Banyaknya pengunjung yang menginap di hotel ini menyebabkan banyaknya ulasan yang diberikan oleh pengunjung melalui website Traveloka. Penelitian ini bertujuan untuk menerapkan web scraping dalam pengambilan data ulasan pengunjung mengenai pelayanan Hotel Maestro Pontianak dari website Traveloka serta menganalisis informasi yang diperoleh menggunakan pendekatan N-gram untuk memahami opini pelanggan terhadap layanan hotel. Penelitian ini menggunakan teknik Web Scraping untuk mengumpulkan data ulasan, yang kemudian dilanjutkan dengan analisis sentimen menggunakan metode Lexicon Based dan N-Gram. Sebanyak 285 ulasan Hotel Maestro Pontianak dikumpulkan melalui Web Scraping. Data ulasan diproses menggunakan Text Preprocessing untuk menyeragamkan bentuk kata sehingga data lebih terstruktur. Selanjutnya, hasil Text Preprocessing diekstraksi fitur N-Gram kemudian diproses menggunakan metode Lexicon Based dengan bantuan Library VADER Sentiment. Hasil penerapan menggunakan pendekatan N-Gram, dari 285 data ulasan yang sudah diproses melalui text preprocessing dan diperoleh nilai score polarity, menunjukan hasil persentase setiap N-Gram. Dimana hasil persentase menunjukkan ulasan tersebut memiliki banyak opini positif mengenai pelayanan Hotel Maestro Pontianak. Informasi yang didapatkan dari hotel tersebut adalah kamar yang bersih, pelayanan yang baik dan ramah dari pihak hotel. Adapun keluhan dan perbaikan kedepannya yang perlu dilakukan oleh pihak hotel adalah masalah tempat parkir yang terbatas dan juga kebocoran platfon yang perlu dibenahi.  Kata Kunci: N-Gram, Unigram, Bigram, Trigram, VADER.
PERAMALAN DATA CURAH HUJAN DENGAN METODE WAVELET-VAR Melvin, Melvin; Imro’ah, Nurfitri; Sulistianingsih, Evy
BIMASTER : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 14, No 2 (2025): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v14i2.92213

Abstract

Peramalan curah hujan yang akurat memiliki peran penting dalam pengelolaan sumber daya alam dan pencegahan bencana karena dapat memberikan informasi yang akurat mengenai kondisi cuaca yang akan datang, sehingga memungkinkan pengambilan keputusan yang lebih efisien. Dengan peramalan yang akurat, kita dapat merencanakan kegiatan pertanian, perikanan, dan pemanfaatan sumber daya alam lainnya secara optimal, serta meminimalkan risiko kerusakan atau bencana seperti banjir dan badai yang dapat membahayakan kehidupan dan infrastruktur. Studi ini dilakukan dengan menggunakan metode Wavelet untuk mengurangi gangguan pada data curah hujan, yang kemudian dilakukan proses peramalan dengan menerapkan model Vector Autoregressive (VAR). Pemilihan data curah hujan dan kecepatan angin sebagai fokus analisis sangat relevan karena kedua variabel ini mempengaruhi banyak sektor, seperti pertanian, perairan, dan transportasi. Penelitian ini memanfaatkan data yang berisi catatan bulanan tentang curah hujan dan kecepatan angin di Kota Pontianak dari Mei 2012 hingga Desember 2022, dengan perhatian khusus pada pentingnya stasionaritas data agar model yang dihasilkan valid. Hasil penelitian menunjukkan bahwa metode Wavelet-VAR mampu memberikan akurasi peramalan curah hujan dengan hasil perhitungan Mean Absolute Percentage Error (MAPE) senilai 6,17%. Nilai MAPE ini menunjukkan bahwa metode Wavelet-VAR sangat akurat dalam meramalan data curah hujan.  Kata Kunci : stasioner, transformasi wavelet, vector autoregressive
Conditional Value at Risk Portfolio With Monte Carlo Control Variates Maga, Fahmi Giovani; Sulistianingsih, Evy; Satyahadewi, Neva
Jambura Journal of Mathematics Vol 7, No 2: August 2025
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v7i2.30952

Abstract

Stock investment is one of the instruments investors favor due to its potential for high returns, but the risks stemming from stock price volatility cannot be overlooked. Value at Risk (VaR) is commonly used as a standard approach to measure and manage these risks. However, VaR has limitations in handling extreme risks, making Conditional Value at Risk (CVaR) is a more effective choice. This research measures the application of CVaR to a portfolio of banking sector stocks in Indonesia using the Monte Carlo Control Variates (MCCV) technique, with the Indonesia Composite Index (ICI) as the control variable. The portfolio consists of stock of PT Bank Rakyat Indonesia Tbk (BBRI) and PT Bank Negara Indonesia Tbk (BBNI). The purpose of this research is to compare CVaR calculation results using Standard Monte Carlo Simulation (MCS) and MCCV simulations. The data used includes the daily closing prices of BBRI, BBNI, and ICI stocks for the period from March 1, 2023, to February 29, 2024. The VaR and CVaR calculated in this study are for one day. The results of the analysis show that the MCS CVaR values at 90%, 95%, and 99% confidence levels are 1.730%, 2.050%, and 2.569%, respectively, while the MCCV CVaR values at 90%, 95%, and 99% confidence levels are 1.400%, 1.662%, and 2.084%, respectively. These values indicate that using the ICI as a control variable has successfully improved risk estimation by utilizing the ICI as a control variable.
PERFORMANCE EVALUATION OF THE INDF.JK STOCK PRICE MOVEMENT PREDICTION MODEL USING RANDOM FOREST METHOD WITH GRID SEARCH CROSS VALIDATION OPTIMIZATION Zaria, Della; Sulistianingsih, Evy; Martha, Shantika; Andani, Wirda
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 19 No 3 (2025): BAREKENG: Journal of Mathematics and Its Application
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/barekengvol19iss3pp2155-2168

Abstract

Investment in financial instruments in Indonesia has shown significant growth over time, with stocks often being the first choice for investors to invest money. Unfortunately, deciding to buy and sell stocks is not easy. When determining the right time to buy or sell stocks, volatile stock price movements and losses caused by wrong decisions are investors' problems. Thus, it is essential to analyze stock price movement predictions. This study aims to evaluate the prediction model's performance for PT Indofood Sukses Makmur Tbk (INDF.JK) stock price movement in the next 30 days to reduce the risk of possible losses and help the decision-making process. We used the Random Forest method and Grid Search Cross Validation (CV) optimization to form the model. The data used is the closing price of INDF.JK stock for the period January 2, 2014, to December 29, 2023, from Yahoo Finance, which is processed into eight types of stock technical indicators, namely SMA_5, SMA_10, SMA_15, SMA_30, EMA_9, MACD, MACD_Signal, and RSI. The research pipeline includes descriptive statistics, preprocessing, feature and target variables determination, data split, model formation without and with optimization, testing accompanied by performance evaluation, and comparison of the formed model. The results show that the prediction model of INDF. JK's stock price movement in the next 30 days has excellent performance, proven accurate by 90.8% with the application of Random Forest and Grid Search CV. The Random Forest prediction model with Grid Search CV optimization has better performance indicators than the Random Forest model without Grid Search CV optimization, which is shown by the increase of all indicator values. The relative Strength Index is the variable with the best performance for the prediction model. It can be used as the primary consideration for investors when deciding on the buying and selling process of INDF.JK stock in the next 30 days.
Co-Authors ., Putri Agustono, Hendri Alsa Muarti Amalia, Disya Recita Ananda, Adelia Andani, Wirda Anisa Shafarianti Ardhitha, Tiffany Arsanti, Resti Atlantic, Virginnia AYU ASTUTI, AYU Banu, Syarifah Syahr Dadan Kusnandar Debataraja, Naomi Nessyana Desdianti, Maycandra Deva Kurnia Aristi Dhandio, David Jordy Dinanti, Rahila Dara Eka Lestari Eka Wahyuning Dhewanty Elga Fitaloka Fadhilah Rizky Aulia Febryanti, Winda Fiqriani, Rizha Aynul Fransiska Fransiska Gristia Aldilla Gunawan, Risky Hafifah, Nanda Hanin, Noerul Hendra Perdana Imanni, Rahmania Andarini Hatti Imro'ah, Nurfitri IMRO’AH, NURFITRI Kamila, Diva Rahma Karlina, Sela Laksono Trisnantoro Lisa Lestari Maga, Fahmi Giovani Maharani, Cinta Priscillia Maresha Widya Muliadiasti Martha, Shantika Matius Robi Meilandra, Irvan Meliana Pasaribu Melvin, Melvin Misno Misno Mutiara Nurisma Rahmadhani Nabilah, Niken Aushaf Nanda Shalsadilla Naomi Nessyana Debataraja Natalia, Desa Ayu Neva Satyahadewi Nurfitri Imro’ah Oktaviani, Indah Oktitannia, Dea Panawaristia, Brigitha Pebriyandi, Rifki Perangin Angin, Christi Alemsa Pratama, Aditya Nugraha Pratama, Yogi Priani, Wina Putra, Fajar Rahmana Radinasari, Nur Ismi Rahmah, Mhaulia Rahmania Andarini Hatti Imanni Rifqi, Bhima Fairul Risma Junian Salsabila, Hana Salsabila, Yumna Hanum Septiawan, Anggi Setyo Wir Rizki Setyo Wira Rizki Shantika Martha Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sriyana Sriyana Sulya Hikma Yulandari Supandi Supandi Susanti Susanti Syafitri Wulandari Tamtama, Ray Tiara, Dinda Umiati, Wiji Wahyu Kurniasari Wati, Setio Kusumo Westi Widiyatari Wicaksono, Juwan Prioabil Dwi Wirda Andani Wulandari, Afrilia Putri Yundari, Yundari Yustosio, Darwis Zakiah, Ainun Zaria, Della