Perbandingan Kinerja Metode Regresi Linear dan Extreme Gradient Boosting (XGBOOST) dalam Prediksi Harga Saham BUMN Sektor Perbankan = A Comparison of the Performance of Linear Regression and Extreme Gradient Boosting (XGBoost) Methods in Predicting the Stock Prices of State-Owned Banks

Latar Belakang. Pasar saham sektor perbankan BUMN mencerminkan dinamika ekonomi Indonesia. Volatilitas harga yang tinggi mendorong kebutuhan akan metode prediksi yang akurat guna menunjang pengambilan keputusan investasi. Tujuan. Penelitian ini bertujuan untuk membandingkan kinerja dua pendekatan prediksi, yaitu Penelitian ini membandingkan kinerja Regresi Linear dan Extreme Gradient Boosting (XGBoost) dalam memprediksi harga saham BUMN sektor perbankan. Metode. Pendekatan yang digunakan adalah kuantitatif deskriptif-komparatif. Data yang dianalisis mencakup harga saham harian BBNI dan BBTN periode Oktober 2022 hingga Oktober 2024. Model dibangun berdasarkan variabel lag, dan evaluasi dilakukan menggunakan RMSE dan MAPE pada data uji. Hasil. Regresi Linear menunjukkan performa lebih stabil dengan hasil MAPE 1,60% dan RMSE 109,38 (BBNI), serta MAPE 1,67% dan RMSE 31,22 (BBTN). Sementara itu, XGBoost mencatat MAPE 1,85% dan RMSE 122,24 (BBNI), serta MAPE 2,10% dan RMSE 37,83 (BBTN). Meskipun XGBoost lebih mampu menangkap pola kompleks, model ini menunjukkan kecenderungan overfitting pada data uji. Kesimpulan. Temuan ini menunjukan bahwa Regresi Linear terbukti lebih konsisten pada data uji dalam konteks penelitian ini. Hasil ini memberikan kontribusi terhadap literatur prediksi harga saham serta menjadi acuan dalam pemilihan model yang sesuai untuk pasar saham dengan karakteristik dinamis.

Keyword : Prediksi Harga Saham, Regresi Linear, XGBoost, Perbankan BUMN.