Optimasi Parameter Random Forest menggunakan Grid Search Untuk Analisis Time series
Article Sidebar
Main Article Content
Abstract
Dalam membeli dan menjual di bursa saham, prediksi harga saham memainkan peran penting bagi para investor. Namun, prediksi harga saham merupakan tantangan karena dipengaruhi oleh faktor-faktor yang sulit diprediksi, seperti kondisi pasar, kinerja perusahaan, dan berita ekonomi. Oleh karena itu, penelitian ini bertujuan untuk menganalisis deret waktu harga penutupan saham Microsoft Corporation menggunakan algoritma Random Forest (RF) dan mengoptimalkan parameter algoritma dengan menggunakan metode optimisasi grid parameter. Data yang digunakan meliputi rentang waktu dari 1 Maret 1986 hingga 25 Mei 2023 dengan total 9378 catatan dan 6 atribut. Setelah pengumpulan dan pemrosesan data, termasuk verifikasi nilai yang hilang, data dibagi menjadi data pelatihan dan pengujian menggunakan validasi pemisahan. Selain itu, validasi silang digunakan untuk membandingkan algoritma-algoritma dan memilih algoritma RF sebagai model terbaik berdasarkan nilai RMSE terendah. Tingkat optimalisasi parameter dicapai dengan mengoptimalkan parameter grid, dengan Jumlah pohon dan Kedalaman maksimal sebagai parameter yang dioptimalkan. Analisis Paired Two Sample T-Test juga mengungkapkan perbedaan yang signifikan antara RMSE sebelum dan setelah optimisasi. Kesimpulannya, penelitian ini memberikan kontribusi yang signifikan dalam penggunaan algoritma RF dan metode optimisasi parameter grid dalam analisis deret waktu harga penutupan, dengan potensi aplikasi yang signifikan dalam pengambilan keputusan investasi di pasar saham.
Downloads
Article Details
References
B. D. Prasetya, F. S. Pamungkas, and I. Kharisudin, “Pemodelan dan Peramalan Data Saham dengan Analisis Time Series menggunakan Python,” Prism. Pros. Semin. Nas. Mat., vol. 3, pp. 714–718, 2020.
M. Abdul Dwiyanto Suyudi, E. C. Djamal, A. Maspupah Jurusan Informatika, and F. Sains dan Informatika Universitas Jenderal Achmad Yani Cimahi, “Prediksi Harga Saham menggunakan Metode Recurrent Neural Network,” Semin. Nas. Apl. Teknol. Inf., pp. 1907–5022, 2019.
H. A. Al Hakim and D. H. Fudholi, “Perbandingan Penggunaan Algoritma Machine Learning pada Prediksi Tren Harga Saham Netflix,” Automata, vol. 2, no. 2, 2021.
I. Networkers, “Microsoft?:Pengertian, Sejarah, Dan Perkembangannya,” ID-Networkers. https://www.idn.id/microsoft-pengertian-sejarah-dan-perkembangannya/
& S. Kurniawan, A., “Prediksi Harga Saham Microsoft Corporation Menggunakan Metode Support Vector Regression.,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, pp. 433–440, 2019.
E. Eka Patriya, “Implementasi Support Vector Machine Pada Prediksi Harga Saham Gabungan (Ihsg),” J. Ilm. Teknol. dan Rekayasa, vol. 25, no. 1, pp. 24–38, 2020, doi: 10.35760/tr.2020.v25i1.2571.
Y. Ramdhani and A. Mubarok, “Analisis Time Series Prediksi Penutupan Harga Saham Antm.Jk Dengan Algoritma SVM Model Regresi,” J. Responsif Ris. Sains dan Inform., vol. 1, no. 1, pp. 77–82, 2019.
M. E. Bastian, B. Rahayudi, and D. E. Ratnawati, “Prediksi Trend Harga Saham Jangka Pendek berdasarkan Fitur Technical Analysis dengan menggunakan Algoritma Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 10, pp. 4536–4542, 2021.
D. A. Rezaldi and Sugiman, “Peramalan Metode ARIMA Data Saham PT . Telekomunikasi Indonesia,” Prisma, vol. 4, pp. 611–620, 2021.
D. Agustriawan, “Penerapan Pendekatan Machine Learning Pada Pengembangan Basis Data Herbal Sebagai Sumber Informasi Kandidat Obat Kanker,” J. Teknol. Ind. Pertan., vol. 29, no. 2, pp. 175–182, 2019, doi: 10.24961/j.tek.ind.pert.2019.29.2.175.
M. T. Phase, “Predict the Level of Income using Random Forest Classifier,” Int. J. Res. Appl. Sci. Eng. Technol., vol. 7, no. 12, pp. 558–561, 2019, doi: 10.22214/ijraset.2019.12090.
A. Pratomo, R. F. Umbara, and ..., “Prediksi Pergerakan Harga Saham dengan Metode Random Forest Menggunakan Trend Deterministic Data Preparation (Studi Kasus Saham Perusahaan PT Astra …,” eProceedings …, vol. 6, no. 1, pp. 2545–2556, 2019.
A. Hermawan, I. W. Mangku, N. K. K. Ardana, and H. Sumarno, “Analisis Support Vector Regression Dengan Algoritma Grid Search Untuk Memprediksi Harga Saham,” J. Math. Its Appl., vol. 18, no. 1, pp. 41–60, 2022, doi: 10.29244/milang.18.1.41-60.
N. Manullang, R. W. Sembiring, I. Gunawan, I. Parlina, and I. Irawan, “Implementasi Teknik Data Mining untuk Prediksi Peminatan Jurusan Siswa Menggunakan Algoritma C4.5,” J. Ilmu Komput. dan Teknol., vol. 2, no. 2, pp. 1–5, 2021, doi: 10.35960/ikomti.v2i2.700.
D. Muriyatmoko, “PENGARUH INDEKSASI DOAJ TERHADAP SITASI PADA JURNAL TERAKREDITASI SINTA MENGGUNAKAN ANALISIS REGRESI LINIER,” vol. 7, no. 1, pp. 31–38, 2019.
J. Han and M. Kamber, Data Mining: Concepts and Techniques, Second Edition (The Morgan Kaufmann Series in Data Management Systems), 2nd ed. Morgan kaufmann, 2006.
Y. Ramdhani, A. Mubarok, S. Hidayatullah, and W. Wiguna, “Attribute Optimization: Genetic Algorithms and Neural Network for Voice Analysis Classification of Parkinson’s Disease,” no. Icri 2018, pp. 3074–3079, 2020, doi: 10.5220/0009947030743079.
N. Tri Romadloni, I. Santoso, S. Budilaksono, and M. Ilmu Komputer STMIK Nusa Mandiri Jakarta, “Perbandingan Metode Naive Bayes, Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl Commuter Line,” J. IKRA-ITH Inform., vol. 3, no. 2, pp. 1–9, 2019.
C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE,” Aiti, vol. 18, no. 2, pp. 173–184, 2021, doi: 10.24246/aiti.v18i2.173-184.
Y. Yahya and W. Puspita Hidayanti, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada ‘Lombok Vape On,’” Infotek J. Inform. dan Teknol., vol. 3, no. 2, pp. 104–114, 2020, doi: 10.29408/jit.v3i2.2279.
Rapidminer, “Optimize Parameters (Evolutionary),” RapidMiner Studio Core. https://docs.rapidminer.com/9.9/studio/operators/modeling/optimization/parameters/optimize_parameters_evolutionary.html (accessed Jul. 11, 2023).
RapidMiner, “Optimize Parameters (Grid),” RapidMiner Documentation, 2022. https://docs.rapidminer.com/9.10/studio/operators/modeling/optimization/parameters/optimize_parameters_grid.html