Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penulis melakukan penelitian analisis pergerakan harga saham dengan menggunakan metoda directional movement system dengan IHSG dan volume perdagangan saham sebagai variabel kontrol untuk periode Juni 2005 - Desember 2005 di mana bertujuan untuk mengetahui saham-saham mana yang memiliki keuntungan yang menarik, sehingga pemodal dapat mengidentifikasikan sahamsaham mama yang sebaiknya di beli dan saham-saham yang sebaiknya di jual dan menjauhi anggapan bahwa pasar modal itu hanya ajang spekulasi. Pengujian dalam penelitian dilakukan dengan dua Cara yaitu pertama dengan analisis teknikal dan kedua secara ekonometrika yaitu analisis regresi berganda. Data yang digunakan merupakan data harga saham harian dari bulan Juni 2005 sampai Desember 2005. Hasil dari penelitian ini adalah secara analisis teknikal dengan periode 1 menunjukkan Plus Directional Movement (+DM), Minus Directional Movement (-DM), True Range, Plus Directional Movement Indicator (+DI), Minus Directional Movement Indicator (-DI) dan Directional Movement Indeks (DX)/ Average Directional index (AMC) memiliki tingkat volatilitas yang tinggi. Sedangkan secara ekonometrika menunjukkan Plus Directional Movement (+DM), Minus Directional Movement (-DM), True Range, Directional Movement Indeks (DX)/ Average Directional index (AMC) sebagai variabel dummy tidak signifikan pengaruhnya terhadap pergerakan harga saham. IHSG (Indeks Harga Saham Gabungan) dan Volume Perdagangan Saham sebagai variabel numerik signifikan pengaruhnya terhadap pergerakan harga saham.

---

The writer do study about analysis of stock price movement with use directional movement system method with IHSG and volume stock trading as control variables for period June 2005 - December 2005, to intend know which stocks have interesting gain, so the investor can indentify the stocks should buy or sell and it makes assumption away that stock exchange only speculation trading. Test of this research do by two way, first with tehnical analysis dan second by multiple linear regression. The data that been used is daily stock price form June 2005 until December 2005. The results of this study are by technical analysis with period I shows that Plus Directional Movement (+DM), Minus Directional Movement (-DM, True Range, Plus Directional Movement Indicator (+DI), Minus Directional Movement Indicator (-DI) dan Directional Movement Indeks (DX)/ Average Directional index (ADX) have high volatility. Whereas by multiple linear regression shows that Plus Directional Movement (+DM), Minus Directional Movement (-DM}, True & awe, Directional Movement Indeks (DX)/ Average Directional index (ADX) as a dummy variable not affect significantly to stock price movement. IHSG (Indeks Harga Saham Gabungan) and Volume Stock Trading as a mrmeric variable affect significantly to stock price movement."

"Memiliki model prediksi yang baik akan memberikan keuntungan tersendiri bagi investor dan perusahaan dalam mengambil keputusan. Support Vector Machine SVM adalah salah satu algoritma pembelajaran mesin yang diawasi yang dapat digunakan untuk klasifikasi atau regresi. Banyak penelitian menunjukkan bahwa prediksi menggunakan model Support Vector Machine SVM lebih akurat daripada model lainnya. Penelitian terbaru menunjukkan bahwa kinerja tertinggi dari sistem prediksi terjadi ketika periode input indikator teknikal sama dengan periode perkiraan. Dengan menggunakan kombinasi dari periode perkiraan dan periode input indikator teknikal dengan kerangka waktu yang lebih banyak dan Support Vector Machine SVM , penelitian ini ingin mengetahui seberapa besar akurasi yang dihasilkan SVM untuk memprediksi pergerakan harga saham-saham di pasar Indonesia, apakah kinerja tertinggi dari sistem prediksi terjadi ketika periode input indikator teknikal sama dengan periode perkiraan, dan apakah aplikasi penggunaan SVM untuk perdagangan dapat memberikan hasil yang lebih baik dibandingkan strategi buy and hold. Data transaksi saham yang kami gunakan dari Maret 2006 hingga Februari 2018 untuk tiga puluh satu saham perusahaan dan menggunakan kombinasi dua puluh delapan periode perkiraan dan tiga puluh periode input indikator teknikal. Hasil penelitian yang diperoleh yaitu model prediksi dapat memberikan hasil akurasi yang baik karena sebanyak 25 dari 31 saham memberikan hasil akurasi lebih dari 50 tetapi kinerja tertinggi model prediksi tidak terjadi saat periode input indikator teknikal sama dengan periode perkiraan dan diperoleh 21 saham yang memberikan imbal hasil signifikan ketika menggunakan aplikasi model prediksi SVM untuk melakukan perdagangan dibandingkan strategi buy and hold.

---

Having a good predictive model will provide its own advantages for investors and companies in making decisions. Support Vector Machine SVM is one of the supervised machine learning algorithms that can be used for classification or regression. Many studies have shown that predictions using the Support Vector Machine SVM model are more accurate than other models. Recent research shows that the highest performance of the prediction system occurs when the technical indicator input period is equal to the forecast period. Using a combination of forecast periods and technical indicator input periods with more time frames and Support Vector Machine SVM , this study wanted to know how much accuracy SVM generates to predict the movement of stock prices in the Indonesian market, what is the highest performance of the prediction system occurs when the technical indicator input period is equal to the forecast period, and whether the application of SVM usage for trade can give better results than the buy and hold strategy. We used stock transaction data from March 2006 to February 2018 for the thirty one shares of the companies and using a combination of twenty eight forecast periods and thirty periods of input of technical indicators. The result of the research is prediction model can give good accuracy result because 25 of 31 stocks give accurate result more than 50 but highest performance prediction model does not occur when technical indicator input period is same with forecast period and 21 stocks yield return significant when applying SVM prediction model to trade compared to buy and hold strategy."