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.

Preview	Text (COVER) 1_cover.pdf Download (606kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (102kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (122kB) | Preview
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.

Actions (login required)

View Item