Deteksi Pergerakan IHSG Berdasarkan Berita Daring Menggunakan Model Deep Learning Berbasis Transformer

Abstract

Transformasi ekonomi Indonesia menuntut adanya industrialisasi yang didukung oleh pasar modal sebagai katalisator. Pasar modal berperan penting dalam perekonomian melalui informasi multisumber seperti berita daring yang berpengaruh terhadap pergerakan IHSG. Penelitian ini bertujuan untuk mendeteksi pergerakan IHSG berdasarkan berita daring menggunakan model transformer, yaitu indoBERT-base, indoBERT-large, indoBERT-lite-large, dan multilingual-BERT. Data dikumpulkan melalui web scraping dari laman detik.com periode Agustus 2018 hingga Mei 2024. Model machine learning seperti Random Forest, Support Vector Machine, dan Naive Bayes digunakan sebagai baseline model. Hasil penelitian menunjukkan bahwa model indoBERT-large dan multilingual-BERT memiliki performa terbaik dengan akurasi sebesar 88,60 persen dan 95,90 persen serta melampaui performa pada baseline model. Filterisasi dataset yang menghapus berita tidak relevan meningkatkan akurasi model transformer secara signifikan. Model transformer efektif dalam mendeteksi pergerakan IHSG berdasarkan berita daring dan dapat digunakan oleh investor untuk mengambil keputusan investasi yang cepat dan akurat serta mendukung kinerja pasar saham dalam pembangunan ekonomi berkelanjutan.