Penerapan Contoh Machine Learning dalam Memprediksi Harga Saham

Seperti yang kita ketahui bahwa saham adalah suatu instrumen investasi yang banyak diminati oleh kalangan penanam modal dan terkenal di pasar keuangan. Hal ini dikarenakan saham sendiri memiliki tingkat keuntungan yang menarik. Saham dinilai menjadi bukti penyertaan modal, sehingga dapat melakukan klaim terhadap pendapatan dan aset perusahaan serta menghadiri Rapat Umum Pemegang Saham (RUPS).

Seiring berjalannya waktu, kini banyak generasi millenial mencoba peruntungan untuk bermain saham. Mendapatkan keuntungan merupakan harapan setiap investor, namun hal ini bergantung pada harga setiap saham yang berubah dari waktu ke waktu yang disebut data runtun waktu (time series). Mengingat setiap bidang investasi memiliki resiko, maka hal ini juga berlaku ketika melakukan pembelian saham. Contoh resiko yang terjadi ketika investasi di bidang saham salah satunya ialah turunnya harga dan perusahaan yang terlikuidasi.

Oleh karena itu, meminimalkan resiko-resiko tersebut, para investor perlu melakukan analisis data harga saham setiap saat (time series) dengan aktivitas tinggi. Oleh karena itu, permasalahan ini tentunya tidak bisa dianggap remeh dan selalu dipantau terkait pergerakan harga saham di berbagai perusahaan yang telah tersedia. Pergerakan saham cenderung bersifat non linier, maka para investor memerlukan suatu metode untuk melakukan monitoring prediksi. Tidak mengherankan jika informasi ini dapat digunakan dalam pengambilan keputusan bagi perusahaan.

Saat ini, penggunaan machine learning dapat diterapkan untuk memprediksi harga saham. Machine learning merupakan metode akurat yang dapat digunakan dalam melakukan prediksi harga saham. Machine learning merupakan komputer atau program memiliki kecerdasan untuk mengolah data yang berguna untuk proses pembelajaran dan menjadi bahan pertimbangan dalam mengambil keputusan serta menyelesaikan masalah.

Menurut data, saham dikelompokkan menjadi non-stationary time series dan terdapat beberapa teknik mulai dikembangkan untuk memprediksi pergerakan harga saham, Support Vector Machine (SVM) adalah salah satunya. Teknik SVM banyak digunakan oleh investor untuk memprediksi pergerakan indeks harga saham.

Selain penggunaan metode machine learning yakni teknik SVM, ada juga beberapa penggunaan contoh machine learning lain yang memiliki tujuan yang sama loh untuk memperkirakan harga saham. Pada artikel DQLab kali ini, kita akan membahas mengenai contoh metode machine learning yang digunakan untuk memprediksi harga saham. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, developer atau pengembang maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys! 

1. Support Vector Regression untuk Saham IHSG

Salah satu indikator yang perlu diperhatikan oleh investor dalam berinvestasi saham adalah pergerakan Indeks Harga Saham Gabungan (IHSG). Pergerakan IHSG mencerminkan kinerja pasar keuangan apakah sedang mengalami peningkatan atau penurunan, apabila kondisi ekonomi negara sedang baik, maka IHSG menunjukkan adanya trend yang meningkat. Pada penelitian yang dilakukan oleh Patriya dari Universitas Gunadarma, dalam penelitiannya menggunakan algoritma Support Vector Regression. Unit analisis dalam penelitian ini adalah penggunaan hyperparameter tuning menggunakan metode Grid Search untuk menentukan hyperparameter yang optimal pada SVR.

Tingkat kesalahan pada hasil prediksi dihitung menggunakan nilai Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian ini diharapkan dapat membantu para investor dalam mengambil keputusan untuk menyusun strategi investasi saham. Berdasarkan hasil penelitian dengan menggunakan algoritma Support Vector Regression (SVR) yang menghasilkan kemampuan prediksi dan generalisasi yang baik dengan nilai RMSE training dan testing sebesar 14.334 dan 20.281, serta MAPE training dan testing sebesar 0.211% dan 0.251%.

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

2. Neural Network untuk Prediksi Saham IDX dan BEI

Salah satu pusat pergerakan ekonomi Bursa Efek Indonesia (BEI) dan IDX setiap hari memperdagangkan bursa saham perusahaan, keseluruhan pergerakan saham. Salah satu sektor yang ada di dalam BEI dan IDX adalah sektor pertambangan yang merupakan perusahaan yang berhubungan dengan tambang atau komoditas. Hal ini juga dapat mempengaruhi harga saham perusahaan tersebut dan memberikan pengaruh positif pada pergerakan IHSG. Dengan adanya prediksi harga saham, sangat membantu para investor di dalam pengambilan keputusan. Selain memprediksi dengan metode konvensional dapat juga digunakan dalam Neural Network (Jaringan Syaraf Tiruan).

Pada penelitian yang dilakukan oleh Hidayat tahun 2016 menggunakan algoritma Neural Network untuk memprediksi harga saham bursa efek. Sebuah jaringan saraf membuat prediksi berdasarkan masukan variabel deskriptor disajikan ke jaringan dan bobot yang terkait dengan koneksi di jaringan. Dalam prediksi menggunakan neural network ada beberapa algoritma yang sering digunakan seperti backpropagation dan di optimasi dengan conjugate gradient. Algoritma tersebut memprediksi dengan menggunakan data pelatihan yang ditetapkan dengan menyesuaikan bobot untuk mengurangi kesalahan prediksi.

3. Extreme Learning Machine (ELM) pada Saham Bank Mandiri

ELM termasuk dalam single layer feedforward neural network (SLFNs) dimana nilai bobot input dan bias dibangkitkan secara acak. Kelebihan dari ELM adalah waktu pelatihan yang cepat dibanding algoritma lain seperti SVR dan Backpropagation. Tahap yang ada pada ELM meliputi normalisasi, pelatihan, pengujian, denormalisasi dan evaluasi. Dalam analisis saham biasanya dikenal dengan parameter yang biasanya ada dalam data saham harian adalah Open, High, Low dan Price.

Open adalah harga saham pada saat perdagangan dibuka, High adalah harga tertinggi sebuah saham pada satu hari perdagangan, Low adalah harga terendah sebuah saham pada satu hari perdagangan, sedangkan Price adalah harga saham pada saat perdagangan ditutup. Hasil penelitian yang dilakukan oleh Pratama, Adikara dan Adinugroho menghasilkan nilai MAPE terendah sebesar 1,012% dengan menggunakan fungsi aktivasi sigmoid, jumlah neuron pada hidden layer sebanyak empat buah neuron dan data yang digunakan adalah data satu tahun terakhir.

4. Recurrent Neural Network

Saham merupakan salah satu pilihan investasi yang menarik karena dapat diperoleh untung yang besar dibandingkan dengan usaha lainnya. Untuk meminimalkan resiko kerugian, diperlukan perhatian yang jeli terhadap pergerakan saham dan perkembangan pasar modal merupakan salah satu indikator yang perlu dipantau. Dengan teknologi pemrosesan prediksi dan pembelajaran mesin saat ini, identifikasi prediksi harga saham dapat dilakukan secara otomatis. Deep Learning merupakan salah satu bagian dari pembelajaran mesin, dan memiliki akurasi pengenalan yang tinggi dengan data yang sangat banyak.

Penelitian ini menggunakan analisis historis harga saham dalam suatu perusahaan, dan Recurrent Neural Network (RNN) untuk melakukan prediksi terhadap nilai saham dari history harga saham. Fitur yang diidentifikasi yaitu harga terendah, harga tertinggi, harga buka, harga tutup, volume, rata-rata harga, dan pergerakan. Prediksi tujuh fitur variabel dengan RNN menghasilkan akurasi sebesar 94% untuk data latih dan 55% untuk data uji. Akurasi diperoleh setelah pelatihan dengan menggunakan 1218 data.

Baca Juga: Yuk Ketahui 3 Jenis Algoritma Artificial Intelligence di Dunia Industri

5. Rancang dan Bangun Kompetensi Machine Learning Kamu Bersama dengan DQLab!

Berdasarkan survei yang dilakukan oleh Narrative Science pada tahun 2016 bahwa 38% perusahaan besar sudah menggunakan teknologi kecerdasan buatan, dan angka tersebut akan terus meningkat hingga 62% pada 2018. Selain itu, kini profesi Machine Learning Engineer juga semakin diminati di kalangan penggila data karena job dan persaingannya yang cukup jarang. Tidak heran jika saat ini banyak startup dan perusahaan berbasis internet yang berlomba-lomba mengembangkan teknologi machine learning ini. Jika kamu penasaran dengan data science dan ingin belajar machine learning secara langsung, caranya mudah banget.

Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id atau bisa klik button di bawah ini yap. Nikmati pengalaman belajar data science yang menarik bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu.

Kalian juga bisa mencoba studi kasus penerapan real case industry dan penerapan machine learning dari studi kasus berbagai bidang. Ayo persiapkan dirimu untuk berkarir sebagai praktisi data yang kompeten!

Penulis: Reyvan Maulid