Komparasi Penerapan Algoritma SVM dan NN dalam Memprediksi IHSG

Abstract

Pada era digital ini, perkembangan teknologi informasi telah mengubah paradigma dalam berbagai aspek kehidupan termasuk di dalamnya pasar keuangan. Penelitian ini bertujuan untuk membandingkan dua algoritma machine learning yang populer, yaitu Support Vector Machine (SVM) dan Neural Network dalam memprediksi Indeks Harga Saham Gabungan (IHSG) dengan menggunakan data historis. Penelitian ini menggunakan desain kombinasi dari metode eksperimental, analisis kuantitatif, dan validasi model untuk mengevaluasi dan membandingkan kinerja kedua algoritma tersebut. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa yang lebih baik dibandingkan Neural Network dalam hal akurasi prediksi IHSG, ditunjukkan oleh nilai RMSE dan MSE yang lebih rendah. Implikasi dari penelitian ini adalah penggunaan algoritma SVM dapat menjadi pilihan yang lebih efektif dalam pengembangan sistem informasi untuk prediksi harga saham, serta membuka peluang untuk penelitian lanjutan dalam mengeksplorasi kombinasi algoritma dan faktor-faktor eksternal guna meningkatkan akurasi prediksi.