Hasil Pencarian  ::  Simpan CSV :: Kembali

"Prediksi harga saham memiliki manfaat terhadap investor untuk dapat melihat bagaimana investasi saham pada sebuah perusahaan di masa yang akan datang. Prediksi harga saham membantu para investor dalam pengambilan keputusan. Untuk melakukan prediksi harga saham digunakan pendekatan analisis teknis dengan menggunakan metode ridge regresi dan kernel ridge regresi. Ridge regresi merupakan metode regresi yang dapat mengatasi terjadinya masalah multikolinieritas. Kernel ridge regresi merupakan kombinasi antara metode kernel dan ridge regresi dengan memetakan input data ke ruang yang berdimensi lebih tinggi. Pada skripsi ini, diimplementasikan metode ridge regresi dan kernel ridge regresi untuk memprediksi harga saham dengan variabel-variabel regresornya merupakan nilai harga saham pada k-hari sebelumnya. Hasil implementasi pada data yang digunakan dalam skripsi ini menunjukkan bahwa metode kernel ridge regresi memberikan tingkat akurasi rata-rata yang lebih baik dibandingkan metode ridge regresi.

---

Prediction of stock prices has benefits for investors to be able to see how the stock investment in a company in the future. Prediction of stock prices help investors in making decisions. Prediction of stock price used technical analysis approach using kernel ridge regression and ridge regression. Ridge regression is a regression method that can solve the multicollinearity problem. Kernel ridge regression is a combination of ridge regression and kernel methods to map the input data into a higher dimensional space. In this skripsi, the method is implemented to predict the stock price which is the variables regressors based on a value stock price on the previous day. The result of implementation, in this skripsi, indicates that kernel ridge regression method better than ridge regression method."

"Terdapat beberapa cara untuk memprediksi harga saham, ada yang menggunakan analisis runtun waktu, harga saham terdahulu, maupun menggunakan indikator teknis. Indikator teknis merupakan perhitungan matematis terhadap harga atau volume transaksi saham yang hasilnya dapat digunakan untuk memahami kecenderungan harga saham. Regresi ridge merupakan suatu metode regresi yang mampu mengatasi masalah dimana variabel-variabel regresornya tidak bebas linier. Regresi kernel ridge merupakan kombinasi antara regresi ridge dengan metode kernel dengan tujuan agar dapat memberikan hasil prediksi yang lebih baik. Pada skripsi ini, metode regresi ridge dan regresi kernel ridge akan diimplementasikan untuk memprediksi harga saham pada 12 perusahaan. Hasil percobaan menunjukkan bahwa metode regresi kernel ridge memberikan akurasi yang lebih baik daripada metode regresi ridge untuk beberapa perusahaan.

---

There are various way for predicting stock prices, some using time series analysis, past stock prices, or technical indicator. Technical indicator is a mathematical calculation over the stock prices or stock transaction volume that can be used to understand the stock price trend. Ridge regression is a regression method that can be used to solve the problem when some of the regressor variables are linearly dependent. Kernel ridge regression is a combination of ridge regression and kernel method in purpose to get better prediction. This skripsi will implement ridge regression and kernel ridge regression for stock prices forecasting of 12 companies. The result shows that kernel ridge regression gives better accuracy for stock price forecasting than ridge regression for some companies."

"Investasi saham merupakan salah satu jenis investasi yang paling populer karena saham memberikan tingkat keuntungan yang tinggi dibandingkan dengan jenis investasi lainnya, tetapi saham juga memiliki tingkat risiko yang tinggi. Fluktuasi harga saham memberikan peluang bagi investor untuk mendapatkan keuntungan yang tinggi. Dibutuhkan sebuah model prediksi harga saham untuk melihat pergerakan harga saham di masa yang akan datang, sehingga investor dapat menentukan waktu yang tepat untuk membeli, menahan, dan menjual saham mereka. Dengan demikian, mereka terlepas dari risiko kerugian dan memperoleh keuntungan yang besar. Terdapat beberapa studi yang membahas tentang prediksi harga saham menggunakan machine learning. Salah satunya yaitu menggunakan Support Vector Regression (SVR). Oleh karena itu, pada skripsi ini akan diuji penerapan SVR menggunakan Particle Swarm Optimization (PSO) sebagai seleksi fitur dalam memprediksi harga saham di Indonesia. Pada skripsi ini digunakan data historis saham harian dari Jakarta Stock Index dan beberapa saham pada sektor real estate dan properti. Beberapa indikator teknikal digunakan sebagai fitur dalam memprediksi harga saham. Studi ini menunjukkan bahwa prediksi harga saham menggunakan SVR dengan PSO sebagai seleksi fitur memiliki kinerja yang baik untuk semua data, fitur, dan jumlah data training yang digunakan pada skripsi ini memiliki nilai error yang kecil. Oleh karena itu, diperoleh model yang akurat untuk memprediksi harga saham di Indonesia.

---

Stock investing is one of the most popular types of investments since it provides the highest return among all investment types, although it is associated with considerable risk. Fluctuating stock prices provide an opportunity for investors to make a high profit. A stock price prediction model is needed to see future stock price movements, so investors can decide the right time to buy, hold, and sell their stocks which regardless of the risk of loss and gain a big profit. Several studies have focused on the prediction of stock prices using machine learning. One of them is Support Vector Regression (SVR). Therefore, this study examines the application of SVR using Particle Swarm Optimization (PSO) as feature selection in predicting Indonesian stock price. This thesis used historical daily stock data from Jakarta Stock Index (JKSE) and several real estates and property stock sectors. Some technical indicators are used as a feature in predicting stock price. The study found that stock price prediction using SVR with PSO as feature selection showed good performances for all data, features and the amount of training data used by the study have relatively low error probabilities. Therefore, an accurate model is obtained to predict stock price in Indonesia."

"Peramalan merupakan hal yang sangat penting dalam segala bidang, baik dalam menjalankan usaha maupun dalam penelitian. Semakin lama, semakin banyak metode-metode peramalan yang dikembangkan dalam memenuhi kebutuhan dalam meramal. Walau pengembangan metode peramalan semakin lama semakin maju, satu hal yang pasti adalah, tidak akan pernah ada metode peramalan yang dapat meramal secara tepat, peristiwa yang akan terjadi. Dari beberapa peramalan yang ada, ada beberapa metode yang banyak digunakan secara luas, baik dalam bisnis maupun dalam kehidupan sehari-hari. Peramalan tersebut antara lain adalah metode Regressi, metode Arima dan metode Winter. Tesis ini mencoba untuk menemukan dari ketiga metode yang disebut diatas, mana diantara ketiga metode ini lebih baik bila diterapkan pada peramalan harga saham di bursa efek. Peramalan dilakukan dengan mengunakan harga saham beberapa perusahaan tertentu yang terdaftar di BEJ sejak tahun 1989, dan memenuhi syarat-syarat yang telah ditentukan agar harga saham dan perusahaan yang diramal terbebas dari faktor-faktor yang bersifat subjektif. Setelah dilakukan peramalan, dan dengan mengunakan MSD (mean square deviation) sebagai alat untuk membandingkan antara ketiga metode tersebut, serta mempertimbangkan kelemahan dan kelebihan dari setiap metode dan juga daam proses pengumputan data, ditemukan bahwa metode ARIMA, lebih baik dibanding dengan 2 metode lainnya. Metode ARIMA bukan tanpa kelemahan. Kelemahan utama adalah kesulitan untuk menentukan tingkat kepercayaan (r2). r2 tidak dapat ditentukan di awal analisa, tapi merupakan hasil yang didapat dari model yang ditemukan."

"Penelitian ini menguji dampak pengumuman private placement terhadap harga saham dan volume perdagangan saham dengan melihat perbedaan abnormal return dan abnormal volume antara sebelum dan sesudah pengumuman private placement. Penelitian ini menggunakan metode studi peristiwa dan menggunakan model pasar dalam menentukan abnormal return. Studi peristiwa dilakukan selama 15 hari sebelum dan 15 hari sesudah pengumuman. Penelitian menggunakan sampel perusahaan yang terdaftar di Bursa Efek Indonesia periode 2010-2016 yang melakukan private placement sebanyak 37 perusahaan. Analisis dilakukan dengan menggunakan uji t satu sampel dan uji t berpasangan. Penelitian ini menemukan bahwa tidak terdapat perbedaan yang signifikan pada abnormal return sebelum dan sesudah pengumuman private placement; dan terdapat perbedaan yang signifikan pada volume perdagangan sebelum dan sesudah pengumuman private placement.

---

This study examines the impact of the private placement announcement on stock price and stock trading volume by finding the difference of abnormal return and abnormal volume before and after the private placement announced. This study uses the event study method and using the market model in determining the abnormal return. The event study was conducted during 15 days before and 15 days after the announcement. The study used sample companies listed in Indonesia Stock Exchange 2010 2016 period that does private placement of 37 companies. The analysis was performed by using one sample t test and paired t test. The result indicates that there are no significant differences in abnormal returns before and after the private placement announcement and there are significant differences in trading volume before and after the private placement announcement. "

"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."

"Pasar modal merupakan salah satu penopang perekonomian di Indonesia dikarenakan pasar modal adalah salah satu sarana penambahan modal bagi perusahaan dalam melaksanakan operasional bisnisnya. Selain itu, pasar modal juga dapat memberikan keuntungan bagi perorangan atau badan usaha investor , yang dapat digunakan untuk biaya hidup di masa kini dan masa depan. Saham adalah salah satu instrumen yang diperjualbelikan di pasar modal yang dapat memberikan keuntungan hingga 20-25 per tahun, namun juga memiliki resiko yang lebih tinggi dibandingkan instrumen lainnya, dikarenakan fluktuasi harga saham yang tinggi. Investor harus berhati-hati dalam memilih waktu yang tepat dalam melakukan transaksi jual beli saham, jika tidak ingin mendapatkan kerugian yang besar. Salah satu teknik dalam menentukan waktu transaksi saham adalah berdasarkan teori Efficient Market Hypothesis EMH yang menyatakan bahwa harga saham merefleksikan informasi yang dipublikasikan terkait saham tersebut. EMH berkaitan erat dengan behavioral economics yang menyatakan bahwa keputusan investor dipengaruhi oleh persepsi atau emosi sentimen dari informasi yang diterimanya. Informasi terkait suatu saham dapat dibaca di media online dalam hal ini artikel berita yang diterbitkan oleh berbagai situs berita di Indonesia. Berdasarkan EMH dan behavioral economis tersebut, penelitian ini bertujuan untuk melihat apakah sentimen media online dapat mengklasifikasikan pergerakan harga saham di Indonesia, dengan ruang lingkup media online yang diteliti adalah www.bisnis.com. Saham yang diteliti adalah saham PT. Bank Central Asia, Tbk BBCA. Metode penelitian yang dilakukan adalah penelitian kuantitatif dengan metodologi eksperimental menggunakan pendekatan analisis sentimen. Proses ekstraksi fitur dari artikel berita bisnis.com dilakukan dengan merepresentasikan artikel berita dalam bentuk vektor menggunakan term frequency tf, term frequency inverse document frequency tf-idf, dan doc2vec. Algoritma klasifikasi yang digunakan adalah naive bayes, k-nearest neighbor KNN, dan support vector machine SVM. Setelah mendapatkan hasil klasifikasi sentimen dari berita, penelitian dilanjutkan dengan membandingkan hasil klasifikasi sentimen tersebut dengan harga aktual saham untuk hari itu sampai dengan lima hari ke depan. Hasil penelitian menunjukkan bahwa representasi vektor menggunakan tf-idf menunjukkan hasil yang lebih baik dengan akurasi klasifikasi SVM sebesar 78,66 . Sementara perbandingan akurasi hasil klasifikasi sentimen berita dengan harga aktual pergerakan saham didapatkan sebesar 63,11 . Hasil ini didapatkan untuk kondisi sentimen berita dan harga saham di hari yang sama. Hal ini menunjukkan bahwa para investor dapat mempertimbangkan sentimen berita terkait saham tertentu di situs www.bisnis.com di hari yang sama untuk melakukan transaksi jual beli saham.

---

Capital market has been acted as one of the pillar for economy growth in Indonesia, because capital market is one of additional capital for the company in carrying out its business operations. In addition, capital markets can also provide benefits to individuals or business groups investors , which its profit can be used for the cost of living in the present and the future. Stock Equity is one of the instruments traded in capital markets that can provide gains up to 20 25 per year, but also have a higher risk than other instruments, due to fluctuations in stock prices are high. Investors should be cautious in choosing the right time to make buying or selling shares, if they do not want to get a big loss.

One of technique in determining time for transaction is Efficient Market Hypothesis EMH , which states that stock price movement reflects related stock rsquo s information published. EMH has correlation with behavioral economics which states that investor decision can be influenced by perception or emotion sentiment of the information which he she read. Some information related to specific stock can be read in online media, such as news article from websites in Indonesia. Based on EMH and behavioral economis, this study aims to see whether the sentiment of online media can classify stock price movements, with the scope of online media that will be studied is www.bisnis.com. Stock price which is studied is belong to PT.Bank Central Asia BBCA.JK.

The research method is quantitative research with experimental methodology using sentiment analysis approach. Feature extraction is done by representing news articles in form of vector using term frequency tf, term frequency inverse document frequency tf df, and doc2vec. Classification algorithm used are naive bayes, k nearest neighbors, dan support vector machine SVM. After getting classification result from news sentiment analysis, this study continue by comparing those classifications with actual price of stock that day until five days forward.

The result shows that vector representation using tf idf is better with classification accuracy 78,66. Meanwhile, comparation between news sentiments classification with actual price stock shows 63,11 within the same day. This result means that news article sentiment related to spesific stock from www.bisnis.com can be used as reference for investors in determining their participation in stocks purchase transaction."

"Globalisasi membawa dampak besar bagi pertumbuhan ekonomi Indonesia. Sejak tahun 1961, secara umum pertumbuhan ekonomi Indonesia selalu mengalami kenaikan. Banyak faktor yang menyebabkan meningkatnya pertumbuhan ekonomi nasional. Salah satunya adalah investasi. Terdapat berbagai macam instrumen investasi. Sekarang ini yang paling banyak diminati oleh masyarakat umum adalah investasi saham. Bursa Efek Indonesia (BEI) mencatat bahwa per Juni 2018 banyaknya investor pasar modal mencapai 1,12 juta Single Investor Identification (SID) dengan 710.000 Single Investor Identification (SID) merupakan total investor saham ritel. Saham menjadi salah satu usaha dalam pemenuhan kebutuhan hidup di masa depan. Daya tarik utamanya adalah karena saham memberikan potensi keuntungan yang tinggi dalam jangka panjang. Namun, dengan potensi keuntungan yang tinggi tersebut, saham juga memiliki potensi kerugian yang tinggi. Salah satu usaha untuk meminimalkan potensi kerugian saham adalah dengan melakukan prediksi harga saham menggunakan machine learning. Harga saham akan diprediksi menggunakan metode penyelesaian masalah regresi, yaitu Fuzzy Support Vector Regression (FSVR). Fungsi pemetaan dalam fungsi keanggotaan fuzzy digunakan untuk menghasilkan fluktuasi harga saham yang tepat. Untuk memastikan keefektifan dan keefisienan penggunaan fitur, Fisher Score digunakan untuk memilih fitur yang paling berpengaruh dan informatif dalam model prediksi sehingga kesalahan hasil prediksi dapat diminimalkan. Fitur-fitur terpilih tersebut akan dijadikan sebagai variabel input dalam model prediksi. Evaluasi hasil prediksi dari data dengan dan tanpa dilakukan pemilihan fitur selanjutnya akan dianalisis menggunakan Normalized Mean Square Error (NMSE) dan dibandingkan sebagai bagian dari evaluasi performa model prediksi. Dari hasil prediksi pada salah satu data yang digunakan, tanpa pemilihan fitur, diperoleh model terbaik dengan nilai NMSE terendah sebesar 0,179 dan persentase data training 80%, sedangkan dengan pemilihan fitur Fisher Score, diperoleh model terbaik menggunakan sembilan fitur dengan nilai NMSE terendah sebesar 0,011 dan persentase data training 90%.

---

Globalization has a big impact on Indonesias economic growth. Since 1961, in general Indonesias economic growth has always increased. Many factors have led to an increase in national economic growth. One of which is investment. There are many investment instruments. The most popular among the public is stock investment. Indonesia Stock Exchange (IDX) recorded as of June 2018 total of capital market investors reached 1,12 million Single Investor Identification (SID) with 710,000 Single Investor Identification (SID) representing total retail stock investors. Stock has become one of the activities to fulfill the needs of life in the future. Its main attraction is that stock provides high potential return of profit in long run. However, as high return of profit, stock also has high potential return of risks. One of the ways to minimize the potential return of risks is by predicting stock prices using machine learning. The stock prices will be predicted using a regression problem solving method, namely Fuzzy Support Vector Regression (FSVR). The mapping function in fuzzy membership function is used to produce the right stock price fluctuations. To ensure the effectiveness and the efficiency of using features, Fisher Score is used to select the most influential and informative features in the prediction model so that the prediction errors can be minimized. These selected features will be used as input variables in the stock price prediction model. The evaluation of the prediction results from the data with and without feature selection will be analyzed using Normalized Mean Square Error (NMSE) and compared as part of the performance evaluation of the prediction model. From the prediction results on one of data used, without doing feature selection, the best model is obtained with the lowest error is 0.179 and 80% training data, while with doing Fisher Score feature selection, the best model is obtained by using nine features with the lowest error is 0.011 and 90% training data."

"Investor membutuhkan suatu model matematis yang dapat digunakan untuk memprediksi perubahan harga saham pada masa mendatang. Salah satu model yang sering digunakan oleh analis dalam memprediksi pergerakan harga saham adalah model runtun waktu. Model local level merupakan salah model runtun waktu dengan tujuan untuk mendapatkan karakteristik nilai komponen unobserved dari data observasi. Filter Kalman merupakan algoritma rekursif yang bertujuan menghitung komponen unobserved dengan variansi minimum dari suatu himpunan data. Skripsi ini membahas bagaimana mengestimasi solusi dan meramal data pada model local level menggunakan Filter Kalman. Implementasi menggunakan data harga saham historis bank BCA pada http://finance.yahoo.com/. menunjukkan bahwa hasil peramalan kurang baik. Peramalan yang kurang baik disebabkan karakteristik pergerakan harga saham bulanan yang digunakan.

---

Investor needs a mathematical model to forecast future stock price changes. One of the mostly used models by stock analists to predict stock price movement is time series model. Local level model is one of the time series model which its goal is to obtain unobserved component characteristic from observation. Filter Kalman is a recursive algorithm to compute the unobserved component with the minimum variance from a set of past observations.

This scription shows how to estimate solution and forecast stock price in local level model by applying Kalman Filter. Implementation using BCA?s stock price at http://finance.yahoo.com/. show that estimation is very good and forecasting is less good. It is because the characteristic of stock price movement which was used."

"Skripsi ini menguji pola transmisi volatilitas indeks sektoral dengan menggunakan model DCC MGARCH yang diusulkan oleh (Engle, 2002) untuk meneliti pola transmisi volatilitas. Data yang digunakan adalah data harian dari 2003 hingga 2013 dengan menggunakan indeks sektor keuangan untuk menganalisis contagion antara Indonesia dan Negara-negara yang menjadi partner dagang utama dengan Indonesia. Dari hasil output ditemukan bahwa investor cenderung untuk bereaksi terhadap ?bad news?. Saya juga menemukan bahwa efek contagion yang diakibatkan oleh Eurozone Sovereign Debt Crisis lebih terasa dibandingkan dengan efek contagion yang diakibatkan US Subprime Mortgage Crisis.

---

This thesis tested the pattern of volatility transmission of sectoral indices by using DCC MGARCH model proposed by (Engle, 2002) to assess volatility transmission. I used daily data from 2003 to 2013 to analyze contagion between financial sector of Indonesia and its major trading partner. We found that investors overreacts to bad news, and that the contagion effect following Eurozone Sovereign Debt Crisis is more pronounced than the one following US Subprime Mortgage Crisis."