ABSTRAK Edgar Rafii Manzo Natakusuma
PUBLIC Yati Rochayati
BAB1 Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB2 Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB3 Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB4 Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB5 Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Edgar Rafii Manzo Natakusuma
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Pada studi ini telah dicoba kemampuan algoritma Support Vector Regression (SVR) untuk memprediksi data harian Indeks Harga Saham Gabungan (IHSG). Dataset yang digunakan adalah harga IHSG sejak tanggal 26 Maret 2020 hingga 16 Juli 2021. Untuk melatih model, 75% data digunakan sebagai data latih dan 25% sebagai data uji, dan lima data terakhir disimpan untuk menjadi data hold-out untuk menguji kemampuan prediktif tiga model terbaik terhadap data yang belum pernah terlihat. Untuk memprediksi, digunakan variabel harga pembukaan, harga penutupan, harga adjusted close, harga tertinggi, harga terendah, dan volume pada hari ke-n sebagai masukan yang akan digunakan untuk memprediksi harga untuk lima hari setelahnya yang akan menjadi keluaran. Model dengan akurasi terbaik pada data uji dimiliki oleh model SVR dengan fungsi kernel RBF pada nilai ????=100 dan ?=0,1 dengan akurasi 1,709%. Tetapi, ketika model-model diuji pada lima data terakhir yang dijadikan data hold-out, diperoleh bahwa model SVR linear pada nilai ????=100 dan ?=0,1 mampu menggeneralisasi data dengan baik dan memiliki nilai galat terkecil pada data hold-out dengan galat MAPE sebesar 0,364%.