Peramalan Harga Saham Menggunakan Metode Support Vector Regression (SVR) Dengan Particle Swarm Optimization (PSO)

Berinvestasi pada saham akan menciptakan return atau keuntungan dan risk atau resiko. Salah satu keuntungan dari investasi pada saham adalah capital gain, yaitu keuntungan dari perdagangan saham. Dengan adanya peramalan harga saham akan meningkatkan keuntungan dari transaksi jual beli saham karena pemilik saham dapat mengetahui kapan waktu yang tepat untuk menjual atau membeli saham tertentu. Support Vector Regression (SVR) merupakan salah satu metode yang digunakan untuk peramalan karena dapat mengenali pola dari data time series dan dapat memberikan hasil peramalan yang baik bila parameter pentingnya dapat ditentukan secara baik pula. Sehingga diperlukan metode optimasi untuk menentukan parameter SVR sehingga SVR dapat secara optimal diterapkan dalam peramalan harga saham. Salah satu algoritma optimasi yang dapat digunakan adalah Particle Swarm Optimization (PSO). Peramalan harga saham menggunakan SVR dengan optimasi PSO ini menggunakan metode MAPE untuk mengevaluasi hasil peramalan. Berdasarkan pengujian yang telah dilakukan, nilai MAPE yang didapatkan adalah 0,8195% dengan fitness sebesar 0,5496 dengan parameter optimal yang didapatkan adalah jumlah partikel 40, iterasi PSO 40, iterasi SVR 1000, rentang parameter C 100 – 500, rentang parameter 0,0001 – 0,001, rentang parameter σ 0,001 – 2, rentang parameter γ 0,00001 – 0,001, rentang parameter λ 0,001 – 0,1, dan perbandingan data latih dan data uji dari data saham Bank BCA tahun 2016 yaitu 90%:10%