Professional Documents
Culture Documents
Cupuz,+##default - Groups.name - Manager##,+9945 99Z - Artikel 69416 1 2 20210810
Cupuz,+##default - Groups.name - Manager##,+9945 99Z - Artikel 69416 1 2 20210810
Cupuz,+##default - Groups.name - Manager##,+9945 99Z - Artikel 69416 1 2 20210810
Abstrak
Perdagangan saham adalah sebuah aktivitas sehari-hari yang dilakukan oleh seorang pedagang saham.
Seorang pedagang saham dapat melakukan aktivitas perdagangan ini pada sebuah pasar modal. Pada
pasar modal terdapat sebuah pola yang menggambarkan pergerakan harga dari suatu saham pada periode
tertentu, atau disebut juga dengan “Trend Harga”. Karakteristik yang paling utama dari sebuah trend
harga adalah perubahan arah yang cepat dan tidak teratur. Karena sifatnya yang mudah berubah dan
tidak teratur, maka munculah sebuah permasalahan untuk mengetahui kemana arah trend harga akan
bergerak. Adanya kesalahan dalam memprediksi arah trend dapat menimbulkan kerugian. Penelitian ini
mengimplementasikan algoritma random forest sebagai model solusi, dan technical analysis sebagai
fitur prediksi untuk meminimalkan kesalahan dalam memprediksi trend harga di masa depan.
Berdasarkan hasil pengujian, kombinasi antara algoritma random forest dan technical analysis dapat
meminimalkan kesalahan dalam memprediksi trend harga dengan akurasi sebesar 84%, dan skor f1
sebesar 88%.
Kata kunci: Random Forest, Analisis Teknikal, Trend Saham, Harga Saham
Abstract
Stock trading is a daily activity carried out by a stock trader. A stock trader can perform this trading
activity on a capital market. In the capital market, you can see a chart that depicts the price movement
of a stock in a certain period, also known as "Price Trend". The most important characteristic of a price
trend is volatile and irregular changes in direction. Due to its volatile and irregular nature, a problem
arises in knowing where the price trend will move. Any mistake in predicting the direction of the trend
can cause losses. This study implements the random forest algorithm as a solution model, and technical
analysis as a predictive feature to minimize errors in predicting future stock price trends. Based on the
test results, the combination of the random forest algorithm and technical analysis is able to minimize
errors in predicting price trends with an accuracy of 84% and an f1 score of 88%.
Keywords: Random Forest, Technical analysis, Stock Trend, Stock Price
pandangan investor terhadap suatu perusahaan, penelitian ini menunjukkan accuracy score
dan lain lain (Khaidem and Dey, 2016). Karena sebesar 75%.
sifatnya yang mudah berubah dan tidak teratur, Penelitian ketiga dilakukan oleh Siburian
maka munculah sebuah permasalahan untuk dan Mulyana untuk memprediksi harga
mengetahui kemana arah trend harga saham ponsel(Siburian, 2018). Penelitian tersebut
akan bergerak. Adanya kesalahan dalam menjelaskan tentang pentingnya untuk
pengambilan keputusan akan membuat kerugian memprediksi harga ponsel sebelum peluncuran.
untuk pemilik saham. Oleh karena itu untuk Hasil dari penelitian ini menunjukkan nilai
meminimalkan kesalahan dalam pengambilan akurasi sebesar 81%.
keputusan dibutuhkan sebuah solusi yang dapat Dari penelitian yang dilakukan dapat
memprediksi trend harga saham di masa depan disimpulkan bahwa random forest memiliki
secara akurat, sehingga keuntungan dapat beberapa kelebihan, yaitu: bisa untuk
dimaksimalkan dan kerugian dapat menyelesaikan masalah pada model non-linear,
diminimalkan. over-fitting, data training yang tidak besar, tidak
Pada bidang keuangan terdapat beberapa memerlukan seleksi fitur, dan proses pelatihan
yang dapat digunakan untuk mengidentifikasi cepat. Akan tetapi random forest juga memiliki
pola untuk memprediksi trend harga saham, kekurangan, yaitu: karena prosesnya yang
salah satunya adalah technical analysis. random maka kita hanya memiliki sedikit
Technical Analysis adalah sebuah cara untuk kendali atas apa yang dilakukan model.
memprediksi trend harga saham melalui
indikator indikator baru yang nantinya dapat 2. KAJIAN PUSTAKA
dibuat berdasarkan perhitungan dari data historis
harga saham (Nti, Adekoya and Weyori, 2019). 2.1. Analisis Teknikal
Beberapa penelitian telah dilakukan untuk Analisis Teknikal adalah sebuah
mengembangkan sebuah model solusi yang pendekatan yang digunakan untuk mempelajari
dapat memprediksi trend harga saham secara pola pada pasar saham dengan menggunakan
akurat. Dari penelitian penelitian yang telah beberapa macam teknikal indikator (Murphy,
dilakukan terdapat kesimpulan tentang 1997). Pada analisis teknikal terdapat 3 dasar
pendekatan yang paling baik untuk membangun pemikiran yang melatarbelakangi munculnya
sebuah model solusi yang bisa melakukan metode ini, yaitu : market discount everything,
prediksi terhadap trend harga saham, yaitu : price move in trends, dan history repeat itself.
Statistika dan Machine Learning (Adebiyi, Pada dasar pemikiran market discount
Adewumi and Ayo, 2014). everything terdapat penjelasan bahwa, segala
Random Forest merupakan salah satu informasi yang dibutuhkan untuk memprediksi
metode pada machine learning yang dianggap harga suatu saham sudah tersedia pada
bagus dan telah diimplementasikan oleh para pergerakan harga dari saham tersebut.
peneliti dalam beberapa penelitian. Penelitian Pada dasar pemikiran price move in trends
pertama dilakukan oleh Phase Tejas dan Patil terdapat penjelasan bahwa, harga dari saham
Suhas (Foundation, 2020). Penelitian tersebut bergerak dalam pola tertentu, atau disebut juga
menjelaskan tentang sebuah permasalahan yang trend. Dari pergerakan ini, sebuah trend dapat
dialami oleh beberapa program sosial dalam dikategorikan menjadi 2 kategori, yaitu: trend
memberikan dana bantuan kepada orang yang naik, dan trend turun.
tepat. Pada penelitian tersebut terdapat 9557 Pada dasar pemikiran history repeat itself
jumlah data dengan 143 fitur data. Hasil dari terdapat penjelasan bahwa, pola pergerakan
penelitian ini menunjukkan accuracy score harga dari suatu saham pada masa lampau akan
sebesar 89.97%, dari hasil tersebut terulang pada masa yang akan datang. Dasar
mengindikasikan bahwa random forest dapat pemikiran ini muncul setelah dilakukan
menyelesaikan masalah dengan baik. pembelajaran terhadap tingkah laku manusia
Penelitian selanjutnya dilakukan oleh pada saat melakukan perdagangan saham.
Bahrawi untuk mendapatkan nilai sentiment dari Teknikal Indikator adalah sebuah
Twitter US Airlines menggunakan random forest parameter/fitur yang dihasilkan dari perhitungan
(Utilization, 2019). Penelitian tersebut terhadap data historis harga saham yang
menjelaskan tentang pendapat para penumpang bertujuan untuk memprediksi arah harga saham
pesawat terbang tentang pelayanan yang (Khaidem and Dey, 2016). Berdasarkan
diberikan oleh maskapai penerbangan. Hasil dari
Secara umum perancangan sistem prediksi data latih. Tujuan dari pembuatan bootstrapped
trend harga saham akan dimulai dengan inputan dataset adalah untuk membangun dan melatih
dataset harga saham. Setelah dataset sebuah decision tree. Setelah bootstrapped
dimasukkan, maka langkah selanjutnya adalah dataset dibuat, maka langkah selanjutnya adalah
melakukan data pre-processing. Setelah proses feature extraction. Setelah kedua proses tersebut
data pre-processing selesai, maka langkah dilakukan, maka akan dilakukan looping
selanjutnya akan melakukan proses training sebanyak n sampai jumlah decision tree yang
pada algoritma random forest. Setelah proses diinginkan terpenuhi. Tujuan dari tahapan ini
training selesai, maka langkah selanjutnya adalah untuk mendapatkan sejumlah n decision
adalah proses testing pada algoritma random tree dengan nilai threshold dan attribut terbaik.
forest. Pada Gambar 1 dapat dilihat diagram alir Pada Gambar 2 dapat dilihat diagram alir dari
dari perancangan sistem. tahapan perancangan data pre-processing.
4.1. Perancangan Data Pre-Processing Gambar 2. Diagram Alir Pelatihan Random Forest
Pada tahapan ini akan dilakukan beberapa
proses, yaitu: proses menghitung attribut 4.3. Pengujian Random Forest
predictor, menentukan label data, Pada proses testing hanya akan terdapat
menghilangkan nilai NaN, dan membagi data. satu langkah yaitu voting. Tujuan dari proses ini
Tujuan dari tahapan ini adalah untuk adalah untuk mendapatkan nilai kelas prediksi
mendapatkan data hasil olah yang bisa dari hasil voting sejumlah n decision tree yang
digunakan untuk melakukan prediksi. telah dibuat.
4.2. Pelatihan Random Forest 5. PENGUJIAN DAN ANALISIS
Pada proses training, langkah pertama yang Pada bagian ini akan terdapat 4 skenario
akan dilakukan adalah membuat bootstrapped pengujian yang akan dilakukan, yaitu : skenario
dataset. Bootstrapped dataset adalah data yang jumlah attribut predictor, decision tree,
dipilih secara acak dengan pengembalian dari kedalaman decision tree, dan total jumlah data
7. DAFTAR PUSTAKA
Adebiyi, A.A., Adewumi, A.O. and Ayo, C.K.,
2014. Comparison of ARIMA and
Artificial Neural Networks Models for
Stock Price Prediction. 2014, pp.9–11.
Foundation, V., 2020. Predict the Level of