PREDIKSI SAHAM BANK RAKYAT INDONESIA DENGAN ALGORITMA K-NEAREST NEIGHBORS(KNN) DAN SUPPORT VECTOR MACHINE(SVM)

Tamami, Muhammad (2026) PREDIKSI SAHAM BANK RAKYAT INDONESIA DENGAN ALGORITMA K-NEAREST NEIGHBORS(KNN) DAN SUPPORT VECTOR MACHINE(SVM). Diploma thesis, Universitas Islam Kalimantan MAB.

	Text abstrak_2110010234.pdf Download (74kB)
	Text pengesahan skripsi.pdf Download (482kB)
	Text keaslian skripsi.pdf Download (354kB)

Abstract

Kebutuhan untuk memprediksi harga saham di masa depan menghadapi tantangan karena fluktuasi pasar yang dinamis. Penelitian ini menggunakan algoritma K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM), serta kombinasi keduanya dengan teknik stacking ensemble untuk memprediksi harga saham Bank Rakyat Indonesia (BRI) berdasarkan data historis. Hasil implementasi menunjukkan bahwa algoritma KNN menghasilkan nilai Root Mean Squared Error (RMSE) sebesar 0,0429 dengan akurasi 58,33%, sementara SVM memberikan hasil lebih baik dengan RMSE 0,0282 dan akurasi 91,20%. Kombinasi stacking KNN dan SVM menghasilkan performa terbaik dengan RMSE 0,0111, akurasi 96,30%, presisi 96,48%, recall 96,30%, dan F1-score 96,35%, sehingga terbukti lebih unggul dibandingkan model tunggal, baik dari sisi akurasi maupun efisiensi, serta dapat menjadi pendekatan yang efektif untuk prediksi harga saham BRI.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Prediksi Saham; Machine Learning; Ensemble Stacking; KNN; SVM
Subjects:	Q Science > QA Mathematics
Depositing User:	Muhammad Tamami
Date Deposited:	27 Apr 2026 03:03
Last Modified:	27 Apr 2026 03:03
URI:	http://eprints.uniska-bjm.ac.id/id/eprint/34999

Actions (login required)

View Item