KURNIAWAN, ANGGA (2024) PREDIKSI HARGA SAHAM BERDASARKAN ANALISIS TEKNIKAL DAN SKOR SENTIMEN=Predicting Stock Prices Utilizing Technical Analysis And Sentiment Scores. Thesis thesis, UNIVERSITAS HASANUDDIN.
![[thumbnail of cover]](/46339/1.hassmallThumbnailVersion/D082211018_tesis_28-10-2024%20cover1.jpg)

D082211018_tesis_28-10-2024 cover1.jpg
Download (215kB) | Preview
![[thumbnail of bab 1-2]](/style/images/fileicons/text.png)
D082211018_tesis_28-10-2024 bab1-2.pdf
Download (1MB)
![[thumbnail of dapus]](/style/images/fileicons/text.png)
D082211018_tesis_28-10-2024 dp.pdf
Download (1MB)
![[thumbnail of full text]](/style/images/fileicons/text.png)
D082211018_tesis_28-10-2024.pdf
Restricted to Repository staff only until 18 September 2027.
Download (2MB)
Abstract (Abstrak)
Dalam memprediksi harga saham, metode analisis yang sering digunakan oleh seorang investor sebelum menentukan keputusan investasi adalah analisis teknikal dan analisis sentimen. Analisa teknikal umumnya mampu memprediksi harga saham short-term, tetapi tidak mampu memprediksi harga saham long-term salah satunya karena tidak mempertimbangkan sentimen pasar. Penggabungan analisa teknikal dan sentimen adalah cara yang tepat untuk mengatasi masalah ini, dan telah dicoba di dalam beberapa penelitian, tetapi metode-metode yang diusulkan masih memiliki kekurangan dan masih dapat dikembangkan. Paper ini mengusulkan prediksi harga saham long-term berdasarkan analisis teknikal dan analisis sentimen menggunakan algoritma BERT yang dimodifikasi pada lapisan feed forward layer menggunakan sigmoid activation, sedangkan analisis teknikal menggunakan algoritma LSTM dan XGBoost. Untuk mengetahui keberhasilan penggunaan skor sentimen dalam prediksi saham, model yang diajukan dibandingkan dengan model penelitian sebelumnya. Model BERT yang telah dimodifikasi memperoleh akurasi sebesar 92.73%. Di sisi lain, Model LSTM, XGBoost, BERT-LSTM dan BERT-Xgboost dievaluasi menggunakan metrik MAE, RMSE, MSE, MAPE memperoleh hasil berturut-turut sebesar {0.008, 0.010, 0.001, 1.13%},{0.010, 0.014, 0.002, 1.40%}, {0.018, 0.025, 0.006, 2.24%} dan {0.011, 0.014, 0.002, 1.40%}. Berdasarkan hasil tersebut dapat disimpulkan bahwa model LSTM memperoleh kesalahan prediksi paling sedikit dibandingkan model yang lain. Akan tetapi jika data teknikal digabungkan dengan skor sentimen dari BERT maka model BERT-XGBoost lebih baik. Pada prediksi harga saham jangka panjang disarankan untuk menggunakan model BERT-XGBoost karena terbukti efektif dalam menangani data non-linear dan memiliki kemampuan untuk menangkap pola yang lebih kompleks dalam data finansial seperti harga saham jika dibandingkan LSTM.
Item Type: | Thesis (Thesis) |
---|---|
Uncontrolled Keywords: | LSTM, BERT, XGBoost, Stock prediction model, sentimen scoring, Natural Language Processing. |
Subjects: | T Technology > T Technology (General) |
Divisions (Program Studi): | Fakultas Teknik > Teknik Informatika |
Depositing User: | Unnamed user with username pkl2 |
Date Deposited: | 10 Jul 2025 00:39 |
Last Modified: | 10 Jul 2025 00:39 |
URI: | http://repository.unhas.ac.id:443/id/eprint/46339 |