Efek optimasi fungsi Kernel dan parameter C dan Epsilon terhadap fitting data harga saham Bank Syariah Indonesia dengan metode Support Vector Regression

Raflialdi, Muhammad (2022) Efek optimasi fungsi Kernel dan parameter C dan Epsilon terhadap fitting data harga saham Bank Syariah Indonesia dengan metode Support Vector Regression. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (606kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (102kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (122kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (121kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (796kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (146kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (114kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (101kB) | Request a copy

Abstract

Ekonofisika merupakan salah satu cabang dari ilmu fisika yang menerapkan konsep fisika dalam memecahkan permasalahan ekonomi. Hal yang bisa diamati yaitu dinamika stokastik pada data saham. Data saham termasuk dinamika stokastik karena mempunyai pola yang selalu berubah terhadap waktu yang fluktiasinya tinggi dan sulit diprediksi. Maka dari itu perlu metode untuk memprediksi data saham tersebut. Support Vector Regression merupakan salah satu metode pendekatan pada Machine Learning untuk melakukan prekdiksi terhadap time series dan dapat diterapkan pada memprediksi harga penutupan saham. Saham yang digunakan pada penelitian ini yaitu saham Bank Syariah Indonesia. Data yang digunakan pada penelitian ini sebanyak 224 data dan fitur yang digunakan yaitu harga penutup dan waktu. Penelitian ini melaukan fitting harga saham lalu memprediksinya dengan memvariasikan fungsi kernel yaitu fungsi kernel Polinomial, Linier dan Radial Basis Function serta melakukan Hyperparameter Tuning dengan memvariasikan parameter C dan ε. Hasil dari penelitian ini parameter yang dapat melakukan fitting data dengan akurasi terbaik pada data uji yaitu menggunakan fungsi kernel RBF yang parameternya yaitu C= 1000 dan ε=0 dengan nilai MAPE = 0.0001.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Machine Learning; Support Vector Regeression; Regresi; Saham; Prediksi.
Subjects: Financial Economics, Finance > Investment
Physics
Physics > Data Processing and Analysis of Physics
Physics > Instrumentation of Physics
Divisions: Fakultas Sains dan Teknologi > Program Studi Fisika
Depositing User: Muhammad Raflialdi
Date Deposited: 22 Feb 2023 02:50
Last Modified: 22 Feb 2023 02:50
URI: https://digilib.uinsgd.ac.id/id/eprint/64646

Actions (login required)

View Item View Item