<![CDATA[Ketidakstabilan harga saham yang dipengaruhi oleh faktor fundamental dan teknikal menimbulkan kompleksitas dalam proses prediksi serta menuntut model yang akurat dan mampu melakukan generalisasi. Penelitian sebelumnya masih berfokus pada regresi linier konvensional tanpa membandingkannya dengan metode regularisasi maupun menelaah kontribusi rekayasa fitur dalam meningkatkan performa prediktif. Kontribusi penelitian ini adalah mengevaluasi dan membandingkan efektivitas Regresi Linier, Ridge Regression, dan Lasso Regression dalam memprediksi harga penutupan saham PT Bank Central Asia Tbk (BBCA). Kebaruan penelitian ini terletak pada penerapan tahapan preprocessing dan feature engineering yang menghasilkan tujuh variabel turunan, yaitu daily range, open–close change, daily return, lag features, moving average, volatility, dan transformasi logaritmik. Evaluasi model menggunakan Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Hasil utama menunjukkan bahwa Regresi Linier memiliki akurasi tinggi pada data pelatihan namun mengalami overfitting pada data uji, Ridge Regression tidak memberikan peningkatan stabilitas yang berarti, sedangkan Lasso Regression menjadi model paling stabil dengan nilai R² sebesar 0,8247. Temuan ini memberikan manfaat berupa dasar pemilihan metode prediksi yang lebih stabil dan akurat untuk digunakan dalam analisis harga saham dengan volatilitas tinggi.]]>
Copyrights © 2025
