Call Number | KA-1234 (Softcopi KA-1227) MAK KA-880 |
Collection Type | Karya Akhir (KA) |
Title | Klasifikasi pergerakan harga saham menggunakan kombinasi analisis teknis dan sentimen media online |
Author | Tommy Wijaya Sagala; |
Publisher | Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2019 |
Subject | Sentiment Analysis, Classification |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
KA-1234 (Softcopi KA-1227) MAK KA-880 | Ind | TERSEDIA |
Berdasarkan penelitian terdahulu, akurasi prediksi pergerakan harga saham rendah. Informasi dari media yang tidak akurat 100% dan pemanfaatan analisis teknis yang belum menghasilkan prediksi yang baik merupakan akar masalah pada penelitian ini. Hal ini penting, sebab bagi para spekulan pemanfaatan 2 hal tersebut berperan penting sebagai pertimbangan dalam melakukan transaksi saham. Maraknya berita mengenai resesi ekonomi, perang dagang, dan krisis ekonomi membuat sejumlah pelaku pasar berpotensi menarik diri dari pasar modal. Oleh sebab itu, penelitian ini bertujuan untuk menghitung seberapa besar akurasi hasil klasifikasi pergerakan harga saham menggunakan kombinasi analisis teknis dan analisis sentimen media online. Algoritma yang digunakan pada penelitian ini adalah Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Naïve Bayes. Terdapat 2 tahapan klasifikasi pada penelitian ini. Tahapan pertama yakni melakukan klasifikasi sentimen dari media online untuk mendapatkan label sentimen. Tahapan kedua yakni melakukan klasifikasi pergerakan harga saham. Label sentimen hasil klasifikasi tahap pertama, dan analisis teknis berdasarkan pergerakan harga saham, menjadi atribut pada klasifikasi tahap kedua. Klasifikasi tahap kedua menghasilkan prediksi pergerakan harga saham berupa “naik” atau “turun” atau “tetap”. Akurasi tertinggi yang dihasilkan dari kombinasi analisis teknis dan sentimen media online menghasilkan rata-rata akurasi sebesar 73,83% pada trading window 60 hari, dan 81,34% pada trading window 90 hari dengan menggunakan algoritma SVM.