<![CDATA[Tujuan dari penelitian ini adalah untuk meningkatkan kinerja model Support Vector Regression (SVR) saat memprediksi harga saham Bank BRI (BBRI.JK) di pasar modal Indonesia. Investor sering memperhatikan harga saham Bank BRI, yang merupakan salah satu saham paling likuid di pasar modal Indonesia. Perubahan harga saham ini dapat mempengaruhi pasar secara signifikan, sehingga sangat penting bagi pelaku pasar di Indonesia untuk membuat prediksi yang akurat tentang pergerakan harga saham ini. Peramalan harga saham dapat membantu para investor untuk memperkirakan pola investasi pada masa yang akan datang. Penelitian ini menggunakan data harga penutupan harian dari 1 Oktober 2022 hingga 31 Oktober 2024, karena prediksi harga saham yang akurat sangat penting bagi investor. Data dikumpulkan dari Yahoo Finance, diperhalus dengan normalisasi Min-Max, dan dibagi menjadi set latihan dan uji. GridSearchCV digunakan untuk mengevaluasi model SVR baik dengan maupun tanpa optimasi parameter. Tujuannya adalah untuk menemukan kombinasi parameter terbaik (C, epsilon, dan gamma). Hasil penelitian menunjukkan bahwa, dibandingkan dengan model tanpa optimasi, model SVR yang dioptimalkan dengan GridSearchCV menunjukkan akurasi prediksi yang lebih tinggi. Koefisien Determinasi (R2), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE) menunjukkan peningkatan yang signifikan dalam kinerja. Nilai RMSE turun dari 0,0401 menjadi 0,0364, dan R2 meningkat dari 0,8999 menjadi 0,9174. Studi ini menemukan bahwa menggunakan SVR bersamaan dengan optimasi parameter adalah metode yang efektif untuk memprediksi harga saham. Metode ini memberikan nasihat berharga bagi investor saat mereka membuat keputusan investasi di pasar modal Indonesia.]]>
Copyrights © 2025
