Machine Learning Untuk Prediksi Harga Saham Dengan Validasi Strategi Trading Menggunakan Backtesting Pada Sektor Perbankan Di Bursa Efek Indonesia

HAIKAL NURKALAM, . (2026) Machine Learning Untuk Prediksi Harga Saham Dengan Validasi Strategi Trading Menggunakan Backtesting Pada Sektor Perbankan Di Bursa Efek Indonesia. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (258kB)
	Text BAB I.pdf Restricted to Registered users only Download (158kB)
	Text BAB II.pdf Restricted to Registered users only Download (217kB)
	Text BAB III.pdf Restricted to Registered users only Download (3MB)
	Text BAB IV.pdf Restricted to Registered users only Download (3MB)
	Text BAB V.pdf Restricted to Registered users only Download (130kB)
	Text JURNAL.pdf Restricted to Registered users only Download (146kB)

Abstract

Investasi saham sektor perbankan di Indonesia menghadapi tantangan dalam memprediksi pergerakan harga yang volatil, terutama bagi investor pemula dengan keterbatasan literasi dan pengalaman. Penelitian ini bertujuan membangun sistem prediksi harga saham perbankan menggunakan algoritma Random Forest dengan validasi strategi trading melalui backtesting otomatis. Sistem dikembangkan menggunakan 22 indikator teknikal (Moving Average, RSI, MACD, Bollinger Bands, dan price action) untuk memprediksi harga saham lima bank terbesar Indonesia (BBCA, BBRI, BMRI, BBNI, BBTN) pada berbagai horizon prediksi (1, 2, 3, 5, 10, dan 30 hari). Evaluasi dilakukan pada 30 kombinasi (5 saham × 6 horizons) menggunakan metrik MAPE, MAE, RMSE, dan R² score. Hasil penelitian menunjukkan model mencapai akurasi sangat baik dengan MAPE rata-rata 2.05% untuk prediksi jangka pendek (H+1) dan 5.27% untuk prediksi jangka menengah (H+5), tergolong kategori "Excellent". Strategi trading berbasis model mengungguli Buy and Hold dengan rata-rata outperformance +19.32%, dimana BBCA menunjukkan performa terbaik dengan ROI +22.6% dan Sharpe Ratio 2.20. Analisis feature importance mengungkap dominasi price action (41.56%) dan moving averages (35.73%), sesuai karakteristik saham perbankan yang bergerak mengikuti pola tren jangka menengah. Sistem berbasis web interface dengan visualisasi intuitif dan backtesting otomatis terbukti efektif sebagai decision support tool untuk membantu investor pemula mengambil keputusan investasi yang lebih terkelola dan meningkatkan literasi pasar modal.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Depositing User:	Jejen Juanda
Date Deposited:	29 Aug 2026 07:15
Last Modified:	29 Aug 2026 07:15
URI:	http://repository.unpam.ac.id/id/eprint/21061

Actions (login required)

View Item