Model Meta Ensemble dan Deep Learning untuk Prediksi Emiten LQ45

Bunyamin, Hendra and Oktavianti, Oktavianti and Meyliana, Meyliana Model Meta Ensemble dan Deep Learning untuk Prediksi Emiten LQ45. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 9 (1). pp. 159-167. ISSN 2548-9364

[img] Text
2023-JEPIN-LQ45.pdf

Download (3129Kb)
[img] Text
bukti-korespondensi-jepin-2023.pdf

Download (167Kb)
[img] Text
2023-JEPIN-LQ45-turnitin.pdf

Download (3365Kb)
Official URL: https://jurnal.untan.ac.id/index.php/jepin/article...

Abstract

— LQ (Liquid) 45 merupakan indeks saham yang berisi 45 emiten yang dipilih berdasarkan pertimbangan likuiditas dan kapitalisasi pasar, dengan kriteria-kriteria sebagai berikut: telah tercatat di BEI minimal 3 bulan, aktivitas transaksi di pasar reguler yaitu nilai, volume, dan frekuensi transaksi, jumlah hari perdagangan di pasar reguler, kapitalisasi pasar pada periode waktu tertentu, dan keadaan keuangan dan prospek pertumbuhan perusahaan tersebut. Dengan mengetahui emiten-emiten yang akan masuk ke dalam indeks LQ 45, para investor akan sangat terbantu dalam merencanakan portofolio mereka di masa yang akan datang. Penelitian ini bertujuan membangun model prediksi bagi emiten-emiten yang akan masuk ke dalam LQ 45. Dataset terdiri dari ringkasan saham semua emiten dari 1 Februari 2015 sampai dengan Januari 2022 dan daftar emiten-emiten yang masuk ke dalam LQ 45 dari periode Agustus 2015-Januari 2016 sampai dengan Februari 2022-Juli 2022. Indeks LQ 45 sendiri diperbaharui setiap 6 bulan sekali; oleh karena itu, dalam penelitian ini model prediksi per 6 bulan dibentuk dan dilatih dengan 4-fold cross�validation. Model-model prediksi, yaitu HIVE-COTE 2.0, ROCKET, multi-layer perceptron, stacking recurrent neural networks, dan bi-directional recurrent neural networks memberikan hasil bahwa HIVE-COTE 2.0 HIVE-COTE 2.0 memberikan kinerja terbaik dalam precision, yaitu keunggulan sekitar 9% daripada model-model lainnya dalam memprediksi emiten-emiten jika kriteria yang dipertimbangkan adalah mengurangi false positive. Jika kriteria yang diutamakan adalah menjaga keseimbangan antara mengurangi false positive dan false negative, maka model multi-layer perceptron dengan banyak neuron yang cukup besar (512) juga memberikan F1 score yang lebih tinggi 9% daripada model-model lain dalam memprediksi emiten�emiten yang akan masuk LQ 45.

Item Type: Article
Contributors:
ContributionContributorsNIDN/NIDKEmail
AuthorBunyamin, HendraUNSPECIFIEDUNSPECIFIED
AuthorOktavianti, OktaviantiUNSPECIFIEDUNSPECIFIED
AuthorMeyliana, MeylianaUNSPECIFIEDUNSPECIFIED
Uncontrolled Keywords: LQ45, Machine Learning, Deep Learning, HIVE-COTE 2.0, ROCKET, Recurrent Neural Networks
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Information Technology > 72 Information Technology Department
Depositing User: Perpustakaan Maranatha
Date Deposited: 28 Mar 2025 12:05
Last Modified: 28 Mar 2025 12:05
URI: http://repository.maranatha.edu/id/eprint/33660

Actions (login required)

View Item View Item