Prediksi Financial Time Series Menggunakan Independent Component Analysis Dan Support Vector Regression. Studi Kasus : Ihsg Dan Jii.

Ratih Puspita Furi (Telkom University)
Jondri Jondri (Telkom University)
Deni Saepudin (Telkom University)

eProceedings of Engineering
Vol 2, No 2 (2015): Agustus, 2015

Abstrak Data indeks harga saham merupakan salah satu contoh data financial time series yang sifatnya cenderung berubah-ubah dan mengandung noise. Sifat noise ini terjadi saat data mengandung sedikit informasi yang dibutuhkan (less information). Hal ini tentunya akan mempengaruhi prediksi nilai indeks harga saham. Oleh karena itu dibutuhkan identifikasi dan penghapusan noise menggunakan metode Independent Component Analysis (ICA), sebelum membangun sistem untuk memprediksi nilai indeks harga saham menggunakan Support Vector Regression (SVR). ICA merupakan teknik baru untuk pemrosesan sinyal statistik. Dengan menggunakan metode ICA, identifikasi independent component (ICs) dan penghapusan ICs yang mengandung noise dapat dilakukan. ICs yang mengandung banyak informasi (most information) akan digunakan sebagai input pada SVR untuk membangun sistem untuk memprediksi nilai closing indeks harga saham. Data financial time series yang digunakan adalah data Indeks Harga Saham Gabungan (IHSG) dan Jakarta Islamic Index (JII). Kata Kunci: financial time series, indeks harga saham, Independent Component Analysis, Support Vector Regression.