Forecasting Saham Dengan Metode CRISP-DM Dan Algoritma Vector Autoregression Studi Kasus Saham ICBP.JK

Abstract

Memperkirakan data saham telah menjadi salah satu isu penting terutama bagi orang yang memilih investasi saham sebagai salah satu sarana manajemen keuangan. Banyak penelitian yang sudah dilakukan untuk membantu memperkirakan data saham dimasa depan menggunakan machine learning. Namun kebanyakan model machine learning yang digunakan kompleks dan hanya memprediksi satu variabel deret waktu. Pada penelitian ini berfokus pada membuat model machine learning menggunakan algoritma VAR untuk memprediksi beberapa variabel sekaligus dengan 1 model dan memberikan rekomendasi dan menggunakan kerangka kerja CRISP-DM dalam mengadakan penelitiannya. Variabel-variabel tersebut adalah harga pembukaan, tertinggi, terendah dan penutupan. Pada akhir penelitian diketahui model VAR mampu menghasilkan model yang mampu memprediksi 3 variabel sekaligus yaitu harga tertinggi, terendah dan penutupan dengan skor R2 masing-masing yaitu 0.60, 0.51, 0.54 dan menggunakan optimal lag 273 namun untuk variabel harga pembukaan dibuatkan model terpisah dengan beda lag yaitu 2 lag dan skor R2 0.63.