Globalisasi dan era industri 4.0 telah membawa perkembangan luar biasa diberbagai bidang, termasuk di bidang ekonomi dan keuangan. Pertumbuhanekonomi di abad ke-21 bergantung pada partisipasi masyarakat dalam kegiatanekonomi (misalnya trading, commerce, dan investasi). Di Indonesia, salah satukegiatan ekonomi yang umum dilakukan adalah berinvestasi di pasar saham karenabanyaknya perusahaan yang dapat dipilih oleh investor untuk berinvestasi. Banyakorang yang ingin menanamkan modalnya di pasar saham karena tingkatpengembaliannya yang tinggi, meskipun demikian banyak hal kompleks (noisy timeseries yang terus bergerak dan sifatnya yang sulit untuk diprediksi karena cepatbergerak). Oleh karena itu, tulisan ini akan membahas tentang prediksi harga sahamdengan menggunakan Gauss-Newton Representation Based Algorithm (GNRBA).Metode yang diusulkan menawarkan algoritma yang lebih efektif, implementasiyang lebih sederhana, dan kerumitan yang lebih sedikit dibandingkan denganmetode perhitungan tradisional lainnya. Selain itu, penelitian ini menggabungkanGNRBA dengan Stratified Shuffle Split sebagai metode validasi datanya (datasplitting method). Dengan hasil akurasi di atas 86%, investor dan calon investordiharapkan dapat menggunakan metode yang dibahas dalam penelitian ini untukmembuat keputusan yang tepat dalam berinvestasi.

---

Globalization and industry 4.0 has brought tremendous development in various

fields, including in economics and finance. Economic growth in the 21st century

relies on the participation of the people in economic activities (e.g. trade and

commerce, investing). In Indonesia, one particularly common economic activity is

to invest in the stock market due to the wide array of companies that investors could

choose to invest in. Many people want to invest their capital in the stock market

due to its high return rate, despite its complex movement (noisy time series which

is constantly moving and its unpredictable nature). Therefore, this paper will

discuss about the prediction of stock prices using the Gauss-Newton Representation

Based Algorithm (GNRBA). The proposed method provides users with a more

effective algorithm, simpler implementation, and less complexity compared to the

11 traditional representation. Additionally, this paper combines the GNRBA with

the Stratified Shuffle Split as its data splitting method. With accuracy above 86%,

investors and potential investors could use the methods discussed in this paper to

make an informed decision in investing.