TY  - THES
ID  - universitasamikomyogyakarta31843
N2  - Pergerakan harga saham di pasar modal sering kali bersifat volatil dan dipengaruhi
oleh berbagai faktor ekonomi yang kompleks, sehingga menimbulkan
ketidakpastian bagi investor dalam mengambil keputusan investasi yang tepat.
Masalah ini berdampak pada tingginya risiko kerugian finansial akibat prediksi
yang tidak akurat dalam menghadapi fluktuasi pasar. Penelitian ini bertujuan untuk
mengatasi tantangan tersebut dengan menerapkan dan mengoptimalkan model
Extreme Gradient Boosting (XGBoost) dan Decision Tree dalam memprediksi
harga saham, khususnya pada emiten PT Bank Rakyat Indonesia (Persero) Tbk
(BBRI). Metode penelitian dilakukan melalui beberapa tahapan sistematis, meliputi
pengumpulan data historis saham, pembersihan format data (data cleaning),
pembentukan fitur Lag dan Moving Average, serta proses penalaan parameter
(parameter tuning) untuk meningkatkan performa model. Hasil penelitian
menunjukkan bahwa model XGBoost memiliki keunggulan dibandingkan Decision
Tree dalam hal akurasi prediksi, terutama karena adanya fitur Regularized Boosting
yang mampu meminimalkan overfitting. Analisis evaluasi menunjukkan stabilitas
yang lebih baik pada model XGBoost dalam menangani data deret waktu (time
series) saham blue chip seperti BBRI. Hasil penelitian ini dapat dimanfaatkan oleh
para investor, analis keuangan, dan praktisi pasar modal sebagai alat bantu
pengambilan keputusan strategis berbasis data untuk memitigasi risiko investasi.
Penelitian selanjutnya direkomendasikan untuk mengeksplorasi metode Deep
Learning guna menangkap pola data yang lebih kompleks.
Y1  - 2026/03/03/
KW  - Prediksi Saham
KW  -  Machine Learning
KW  -  Decision Tree
KW  -  XGboost
KW  -  BBRI
KW  -  Stock Prediction.
UR  - https://eprints.amikom.ac.id/id/eprint/31843/
AV  - restricted
M1  - bachelor
TI  - ANALISIS PREDIKSI HARGA SAHAM  DENGAN METODE
MACHINE LEARNING DENGAN ALGORITMA DECISION
TREE DAN XG BOOST
A1  - Tatyana, Anggia Rahma
PB  - Universitas AMIKOM Yogyakarta
ER  -