Perpustakaan Digital ITB

Dalam dekade terakhir, aspek Environment, Social, and Governance (ESG) telah menjadi pusat perhatian dalam analisis investasi. ESG menyoroti pentingnya praktik berkelanjutan dan etis dalam memprediksi kinerja pasar. Tugas Akhir ini bertujuan untuk mengintegrasikan analisis sentimen ESG ke dalam model prediktif harga saham. Hal ini dapat memberikan wawasan baru bagi investor yang ingin mengintegrasikan sustainability ke dalam keputusan investasi mereka. Untuk mencapai tujuan ini, dibuat sebuah pendekatan multi-model dalam analisis sentimen dan prediksi harga saham. Pertama, model berbasis Bidirectional Encoder Representations from Transformers (BERT) digunakan untuk klasifikasi topik terkait ESG dari berita. Selanjutnya, Large Language Model (LLM) diterapkan untuk klasifikasi sentimen berdasarkan aspek ESG dari teks. Terakhir, Bidirectional Long Short-Term Memory (Bi-LSTM) diaplikasikan untuk memprediksi harga saham berdasarkan urutan waktu dari sentimen ESG yang dihasilkan. Pipeline ini berhasil unggul dari prediksi harga saham dengan menggunakan data historis harga saham saja. Pipeline menggunakan model terbaik berdasarkan hasil eksperimen. Klasifikasi ESG menggunakan post-trained IndoBERT mencapai f1- score sebesar 0.82. Klasifikasi sentimen menggunakan Merak mencapai f1-score 0.92. Prediksi harga saham menggunakan Bi-LSTM mencapai selisih RMSE 0.001 dibandingkan tanpa sentimen. Hal ini menunjukkan bahwa sentimen berita ESG berpengaruh pada harga saham dan sistem yang dibuat berhasil memanfaatkannya.