Implementasi Regresi Linier untuk Prediksi Harga Saham Tesla

Agastya Andresangsya; Muhammad Fauzan Aditiya Mufid; Alief Cahyo Utomo; Yudhi Darmawan

doi:10.53624/jsitik.v4i1.714

Authors

Agastya Andresangsya Universitas Nusantara PGRI Kediri
Muhammad Fauzan Aditiya Mufid Universitas Nusantara PGRI Kediri
Alief Cahyo Utomo Universitas Nusantara PGRI Kediri
Yudhi Darmawan Politeknik Angkatan Darat

DOI:

https://doi.org/10.53624/jsitik.v4i1.714

Keywords:

Regresi Linier, Prediksi Harga Saham, Data Historis, Tesla

Abstract

Latar Belakang: Prediksi harga saham merupakan bidang penting dalam analisis keuangan modern karena membantu investor dalam mengambil keputusan. Meskipun telah banyak dikembangkan model kompleks berbasis kecerdasan buatan, regresi linier tetap menjadi metode statistik yang sederhana, cepat, dan cukup efektif untuk menangkap pola dasar pergerakan harga saham. Tujuan: Penelitian ini bertujuan untuk memprediksi harga penutupan saham Tesla Inc. (TSLA) dengan menggunakan metode regresi linier berdasarkan harga penutupan pada hari sebelumnya. Metode: Penelitian ini menggunakan pendekatan kuantitatif dengan data historis harga saham TSLA dari Yahoo Finance (periode Juni 2010–Desember 2023). Proses analisis mencakup pra-pemrosesan data, pembuatan fitur baru, pemodelan dengan Scikit-Learn, dan evaluasi model menggunakan metrik RMSE, R², dan MAPE. Hasil: Model regresi linier menghasilkan nilai RMSE sebesar 9,28, R² sebesar 0,9741, dan MAPE sebesar 2,6%. Hasil ini menunjukkan bahwa model mampu menangkap tren umum harga saham secara cukup akurat. Kesimpulan: Regresi linier terbukti menjadi baseline yang baik dalam prediksi harga saham meskipun memiliki keterbatasan dalam menangkap pola non-linier. Penelitian selanjutnya dapat mengeksplorasi model yang lebih kompleks.

Downloads

Download data is not yet available.

References

Bakar, N. A. A., & Rosbi, S. (2017). Autoregressive integrated moving average (ARIMA) model for forecasting stock prices. International Journal of Advanced Engineering Research and Science (IJAERS), 4(2), 237–242. https://doi.org/10.22161/ijaers.4.2.38 DOI: https://doi.org/10.22161/ijaers.4.11.20

Budiprasetyo, G., Hani'ah, M., & Aflah, D. Z. (2023). Prediksi harga saham syariah menggunakan algoritma Long Short-Term Memory (LSTM). Jurnal Nasional Teknologi dan Sistem Informasi, 6(1), 12–21. https://doi.org/10.xxxx/jntsi.2023.6.1.12 DOI: https://doi.org/10.25077/TEKNOSI.v8i3.2022.164-172

Chen, M. Y., & Hsu, Y. L. (2021). Forecasting stock prices with Gaussian process regression. Expert Systems with Applications, 168, 114444.

https://doi.org/10.1016/j.eswa.2020.114444 DOI: https://doi.org/10.1016/j.eswa.2020.114444

Fischer, T., & Krauss, C. (2018). Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research, 270(2), 654–669. https://doi.org/10.1016/j.ejor.2017.11.054 DOI: https://doi.org/10.1016/j.ejor.2017.11.054

Huang, W., Nakamori, Y., & Wang, S. Y. (2020). Forecasting stock market movement direction with support vector machine. Computers & Operations Research, 36(6), 1469–1481. https://doi.org/10.1016/j.cor.2008.01.011

Idham, I., Akbar, M. G. T., Panggabean, S., & Noor, M. (2022). Perbandingan prediksi harga saham dengan menggunakan LSTM GRU dan Transformer. Smart Comp: Jurnalnya Orang Pintar Komputer, 11(1), 44–47. DOI: https://doi.org/10.30591/smartcomp.v11i1.3185

Janastu, I. N., & Wutsqa, D. U. (2024). Prediksi harga saham pada sektor perbankan menggunakan algoritma Long Short-Term Memory. Jurnal Statistika dan Sains Data, 5(1), 88–96. DOI: https://doi.org/10.21831/jssd.v1i2.19475

Judianto, M., Handhayani, T., & Hendryli, J. (2024). Peramalan harga saham dengan metode Long Short-Term Memory (LSTM). Jurnal Ilmu Komputer dan Sistem Informasi, 9(2), 45–52. DOI: https://doi.org/10.24912/jiksi.v12i1.28194

Ketut, I. I., Enriko, A., Gustiyana, F. N., & Putra, R. H. (2023). Komparasi hasil optimasi pada prediksi harga saham PT. Telkom Indonesia menggunakan algoritma Long Short Term Memory. Jurnal Media Informatika Budidarma, 7(3), 23–30. DOI: https://doi.org/10.30865/mib.v7i2.5822

Kurniasi, A. A., & Saptari, M. A. (2021). Aplikasi peramalan harga saham perusahaan LQ45 dengan menggunakan metode ARIMA. Sisfo: Jurnal Ilmiah Sistem Informasi, 5(1), 11–18. DOI: https://doi.org/10.29103/sisfo.v5i1.4849

Lilipaly, G. S., Hatidja, D., & Kekenusa, J. S. (2014). Prediksi harga saham PT. BRI, Tbk. menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Jurnal Ilmiah Sains, 4(2), 60–67. DOI: https://doi.org/10.35799/jis.14.2.2014.5927

Pribadi, M. R., & Julian, R. (2021). Peramalan harga saham pertambangan pada Bursa Efek Indonesia menggunakan Long Short Term Memory (LSTM). JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 7(1), 77–84.

Saputra, R. M., Alamsyah, A. G., Dandi, T., Tjoanda, M., Nick, K., Cornelius, A., Herdiatmoko, H. F., & Charitas, M. (2024). Analisis prediksi saham Tesla menggunakan algoritma Long Short Term Memory (LSTM). Journal of Computer Science and Information Technology, 12(1), 44–51. DOI: https://doi.org/10.70248/jcsit.v2i1.1482

Singh, D., & Borah, B. (2021). Stock price prediction using LSTM and technical indicators: A hybrid approach. Procedia Computer Science, 194, 95–104. https://doi.org/10.1016/j.procs.2021.10.092

Suarna, N., Triya, P., & Nuris, N. D. (2024). Penerapan machine learning dalam melakukan prediksi harga saham PT. Bank Mandiri (Persero) Tbk dengan algoritma linear regression. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 1207–1214. DOI: https://doi.org/10.36040/jati.v8i1.8958