Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Dalam tugas aKhir ini akan dibahas tentang pentingnya pengendalian persediaan dalam perusahaan, karena biaya yang bekerja pada persediaan cukup besar nilai nya. Komputer dalam pengendalian persediaan, dengan bantuan maka akan ada perubahan dalam mengendaliKan persediaan dari sistem manual ke sistem dengan Komputer. Yang mana perubahan tersebut disesuaikan dengan sistem dan disain dari software yang digunakan."

"Tulisan ini membahas metode peramalan dengan pendekatan model runtun waktu Box-Jenkins yang merupakan proses pengembangan dari kombinasi proses Autofegresive (AR) dan proses Moving Average (MA) untuk runtun waktu tidak stasioner menjadi proses Autoregresive Integrated Moving Average (ARIMA). Pembahasan dimulai dengan unsur-unsur yang merupakan konsep analisa runtun waktu Box-Jenkins yaitu : Analisa runtun waktu stasioner dan tidak stasioner, Fungsi Autokovariansi, Fungsi Autokorelasi, Fungsi Autokorelasi parsial, Operator Back—Shift, dan Operator Diferensi. Dilanjutkan dengan menerangkan langkah-langkah penentuan model peramalan dengan metode runtun waktu Box-Jenkins yaitu : Identifikasi model, Estimasi parameter, dan Verifikasi."

"Produk Domestik Bruto (PDB) merupakan salah satu variabel atau indikator ekonomi yang sangat penting karena dapat menunjukkan kemampuan sumber daya ekonomi yang dihasilkan oleh suatu negara. Nilai PDB merupakan data runtun waktu yang dirilis setiap tiga bulan sekali. Selain itu, nilai ini tidak hanya bergantung terhadap nilainya sendiri di masa lampau, tetapi juga dipengaruhi oleh variabel lain, yang mana frekuensi pengumpulan data dari indikator-indikator ini tidak selalu sama. Nowcasting menjadi salah satu metode untuk menjembatani teknik regresi pada nilai PDB dengan perbedaan frekuensi dari prediktor yang memengaruhinya. Pada tugas akhir ini, digunakan metode dynamic factor model (DFM) untuk melakukan prediksi terhadap nilai PDB Indonesia. Untuk melakukan estimasi parameter, digunakan algoritma expectation-maximization (EM). Adapun, variabel prediktor yang digunakan untuk memprediksi nilai PDB Indonesia adalah konsumsi (meliputi konsumsi rumah tangga dan lembaga non profit rumah tangga), pengeluaran pemerintah, investasi, ekspor, impor, indeks harga konsumen, jumlah saham yang beredar, jumlah uang beredar, dan inflasi. Setelah mengimplementasikan nowcasting dengan DFM pada nilai PDB Indonesia, didapatkan prediksi dari nilai PDB untuk periode selanjutnya.

---

One of the most significant economic variables or indicators is the gross domestic product (GDP), which demonstrates the ability of a nation’s economic resources. The GDP value is a time series data that is released every three months. Furthermore, its value is dependent not only on its historical value but also on other variables, and the frequency at which these indicators’ data are collected varies. One way to connect the regression approach on the GDP value with various frequencies of the variables influencing it is through nowcasting. In this final project, the dynamic factor model (DFM) method is used to predict the value of Indonesia’s GDP. The expectation-maximization (EM) approach is used to estimate the parameters. The predictor variables used to forecast the value of Indonesia’s GDP are consumption (including household consumption and non-profit household consumption institutions), government spending, consumer price index, investment, exports, imports, consumer price index, number of outstanding shares, money supply, and inflation. After implementing nowcasting with DFM on the value of Indonesia's GDP, the GDP value for the upcoming period is predicted."