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.
|
Text (COVER)
1_cover.pdf Download (606kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (102kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (122kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (121kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (796kB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (146kB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (114kB) | Request a copy |
||
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 |