KOMPARASI ALGORITMA DALAM MEMPREDIKSI PERUBAHAN HARGA SAHAM GOTO MENGGUNAKAN RAPIDMINER

Abstract

Perkembangan teknologi informasi dan keuangan telah mendorong penggunaan metode prediksi harga saham yang efektif. Dalam penelitian ini, dilakukan komparasi terhadap tiga algoritma populer, yaitu Regresi Linear (RL), Support Vector Machine (SVM), dan Neural Net (NN), untuk memprediksi perubahan harga saham GOTO dengan menggunakan aplikasi RapidMiner sebagai alat analisis yang kuat dalam mengimplementasikan dan membandingkan kinerja algoritma-algoritma tersebut. Untuk mengukur dan membandingkan kinerja ketiga model prediksi, peneliti menerapkan metode evaluasi 10 K-Fold Cross Validation dengan pembagian data 90:10. Analisis dilakukan berdasarkan hasil Root Mean Square Error (RMSE), yang merupakan indikator umum untuk mengukur sejauh mana perbedaan antara nilai prediksi dan nilai aktual dalam unit yang sama. Hasil analisa menunjukkan bahwa model Neural Net (NN) memberikan nilai RMSE terendah dengan angka sebesar 16.562. Ini menunjukkan bahwa model Neural Net memiliki tingkat akurasi yang lebih baik dalam memprediksi perubahan harga saham GOTO dibandingkan dengan model Regresi Linear (22.479) dan Support Vector Machine (31.326). Meskipun RL dan SVM juga memberikan prediksi yang cukup akurat, NN menonjol dengan performa terbaik. Penemuan ini menunjukkan bahwa algoritma Neural Net adalah pilihan yang lebih baik dalam memprediksi perubahan harga saham GOTO. Namun, penting untuk mencatat bahwa evaluasi dan pemilihan model harus selalu dipertimbangkan dalam konteks bisnis atau penelitian yang relevan.