Perpustakaan Digital ITB

Jika dihadapkan dengan masalah memprediksi harga suatu instrumen investasi, biasanya kita dapat memandang masalah ini dari setidaknya dua sudut pandang. Pertama, memandang masalah ini sebagai regresi dimana kita akan mencoba untuk memprediksi absolut harga di masa depan. Kedua, memandang masalah ini sebagai klasifikasi dimana kita akan mencoba untuk memprediksi langkah terbaik antara JUAL, BELI, dan TAHAN di masa depan sehingga bisa memaksimalkan keuntungan. Tugas akhir ini mencoba untuk memandang masalah prediksi ini dengan menggunakan sudut pandang kedua, yakni: klasifikasi. Penelitian dalam tugas akhir ini memakai data historis saham BBCA, BBRI, BMRI, dan BBNI dari rentang tahun 2004-2025, menggunakan pendekatan CNN yang melibatkan matriks dua dimensi yang berisikan fitur fitur indikator analisis teknis untuk pada akhirnya diteliti feasibilitasnya dalam simulasi trading dan juga interpretabilitasnya. Hasil penelitian yang telah dilakukan menunjukkan bahwa hasil prediksi dari model CNN kurang fisibel untuk dilakukan karena keuntungan yang tidak sebanding dengan risikonya, dimana hal ini dibuktikan dengan sharpe ratio yang konsisten selalu mendekati nol pada semua data uji dari keempat saham meskipun bisa menghasilkan hasil annualized return di atas 10%. Selain itu, penelitian ini juga berhasil melakukan interpretasi terhadap apa yang model CNN lakukan dalam generalisasi dan mempelajari pola bermakna. Hasil analisis menemukan bahwa CNN belajar dengan cara menganggap penting fitur relative strength index yang melibatkan perhitungan data historis dari 6 sampai 20 hari ke belakang dan Change Momentum Oscillator Index yang melibatkan perhitungan data historis dari 6 dan 20 hari ke belakang.