Prediksi Multi-Step Harga Saham ANTM dan ADRO Menggunakan Hybrid Fusion Ensemble XGBoost, LightGBM dan Random Forest = Multi-Step Prediction of ANTM and ADRO Stock Prices Using Hybrid Fusion Ensemble XGBoost, LightGBM and Random Forest

Latar Belakang. Prediksi harga saham merupakan permasalahan penting dalam analisis keuangan karena karakteristik data yang bersifat volatil, non-linear, dan tidak stasioner. Tujuan. Penelitian bertujuan untuk melakukan prediksi multi-step (t+1, t+2, t+3) harga saham ANTM dan ADRO menggunakan pendekatan Hybrid Fusion Ensemble dengan memanfaatkan tiga model dasar, yaitu XGBoost, LightGBM, dan Random Forest. Metode. Meliputi transformasi data ke bentuk log-return, pembentukan fitur teknikal, serta pelatihan model dasar menggunakan skema time-seies cross-validation. Hasil prediksi dari masing-masing model dasar kemudian digabungkan menggunakan lima strategi fusion, yaitu Equal Weighted, Ridge Stacking, Constrained Least Squares, Grey Wolf Optimizer, dan Lasso. Hasil. Hasil menunjukkan bahwa model hybrid fusion ensemble menghasilkan tingkat kesalahan yang rendah dengan nilai MAPE pada kisaran 2-3% dan DA diatas 45% untuk kedua saham. Model Ridge Stacking memberikan performa terbaik pada saham ADRO, sedangkan Grey Wolf Optimizer menunjukkan kinerja yang lebih stabil pada saham ANTM. Seluruh model fusion memiliki nilai Theil’s U < 1, yang memngindikasikan efisiemsi prediksi yan lebih baik. Kesimpulan. Pendekatan Hybrid Fusion Ensemble efektif dalam meningkatkan akurasi dan stabilitas prediksi multi-step harga saham ANTM dan ADRO.

Keyword : Prediksi Harga Saham; Hybrid Fusion Ensemble; Multi-Step; XGBoost; LightGBM; Random Forest.