<![CDATA[Saham adalah satuan nilai atau pembukuan dalam berbagai instrumen financial yang mengacu pada bagian kepemilikan sebuah perusahaan. Dengan menerbitkan saham, memungkinkan perusahaan-perusahaan yang membutuhkan pendanaan jangka panjang untuk ‘menjual’ kepentingan dalam bisnis saham (efek ekuitas) – dengan imbalan uang tunai. Ini adalah metode utama untuk meningkatkan modal bisnis selain menerbitkan obligasi. Saham dijual melalui pasar primer (primary market) atau pasar sekunder (secondary market). Penelitian ini bertujuan untuk membuktikan penerapan optimasi Particle Swarm Optimization (PSO) pada Support Vector Machine (SVM) dapat memberikan keakurasian yang lebih baik dari pada hanya menggunakan algoritma SVM dalam memprediksi harga saham. Setelah dilakukan pengujian dengan menggunakan dua model yaitu algoritma SVM dan SVMPSO setelah sebelumnya ditemukan parameter-parameter optimasi pada SVM, maka dari eksperimen yang dilakukan terlihat bahwa kernel yang memberikan hasil terbaik adalah DOT dengan memberikan nilai akurasi sebesar 94.8% untuk training, 94.6% untuk testing dibandingkan dengan hasil yang diperoleh dari kernel RBF sebesar 94.4% untuk training dan 90.5% untuk testing dan kernel Polynomial sebesar 58.6% untuk training dan 47.3% untuk testing.]]>
Copyrights © 2016
