Detail Cantuman

Investasi saham merupakan salah satu instrumen investasi yang banyak diminati, namun memiliki tingkat risiko yang tinggi akibat pergerakan harga yang fluktuatif dan sulit diprediksi. Prediksi harga saham yang akurat menjadi aspek penting dalam mendukung pengambilan keputusan investasi yang tepat. Penelitian ini bertujuan membangun model prediksi harga saham menggunakan metode Support Vector Regression (SVR) dengan optimasi parameter melalui algoritma Grid Search. Data yang digunakan berupa data historis harga saham yang telah melalui tahap prapemrosesan sebelum dilakukan pemodelan. Metode SVR dipilih karena kemampuannya dalam menangani pola nonlinier yang umum dijumpai pada data deret waktu. Optimasi parameter difokuskan pada nilai C dan epsilon untuk memperoleh kombinasi terbaik. Hasil penelitian menunjukkan bahwa baik model baseline maupun model hasil optimasi Grid Search menghasilkan nilai MAPE sebesar 1,50%, yang mengindikasikan rata-rata kesalahan prediksi relatif rendah terhadap data aktual. Namun, perbandingan metrik lain menunjukkan perbedaan: pada model dengan Grid Search diperoleh MAE sebesar 43,79 dan RMSE sebesar 57,50, sedangkan pada model baseline diperoleh MAE sebesar 56,67 dan RMSE sebesar 43,54. Analisis ini mengindikasikan bahwa optimasi parameter melalui Grid Search tidak selalu memberikan peningkatan performa yang konsisten. Meskipun demikian, secara keseluruhan metode SVR terbukti mampu memberikan prediksi harga saham yang andal dengan tingkat kesalahan relatif kecil.