Prediksi Harga Saham Bank Rakyat Indonesia (BRI) Menggunakan Algoritma Regresi Linear

Reynaldi Syachputra Dewanata; Ilham Saifudin; Lutfi Ali Muharom

doi:10.53624/frmam497

Authors

Reynaldi Syachputra Dewanata Universitas Muhammadiyah Jember
Ilham Saifudin Universitas Muhammadiyah Jember https://orcid.org/0000-0002-2063-4524
Lutfi Ali Muharom Universitas Muhammadiyah Jember

DOI:

https://doi.org/10.53624/frmam497

Keywords:

Regresi Linear, Prediksi Saham, Bank Rakyat Indonesia, Machine Learning, Time Series, Fitur Kelambanan

Abstract

Latar Belakang: Fluktuasi harga saham Bank Rakyat Indonesia (BRI) yang dinamis menyulitkan analisis manual, sehingga memerlukan pendekatan pembelajaran mesin yang otomatis dan akurat. Tujuan: Penelitian ini bertujuan untuk mengimplementasikan serta mengevaluasi performa algoritma Regresi Linear Berganda dalam memprediksi harga penutupan saham BRI berdasarkan data historis. Metode: Riset kuantitatif eksperimental ini memanfaatkan data harian saham pada periode 2020–2025. Data diolah menjadi 10 fitur kelambanan (lagging features) dari 2 hari sebelumnya (harga dan volume), lalu diuji dalam 5 skenario rasio pembagian data. Hasil: Skenario pembagian data 50:50 merupakan komposisi paling optimal berdasarkan kriteria keputusan utama dengan nilai galat relatif terendah (MAPE 1,6820%) dan kemampuan memetakan variasi tren tertinggi (R² 0,9792), serta didukung oleh nilai MAE sebesar 77,0202 dan RMSE sebesar 102,6369. Model terpilih berhasil diintegrasikan ke dalam antarmuka aplikasi web interaktif. Kesimpulan: Hasil penelitian menyimpulkan bahwa algoritma Regresi Linear Berganda terbukti andal dalam memetakan dinamika pergerakan harga saham BRI dengan tingkat akurasi peramalan yang sangat tinggi (< 10%) dan konsistensi tren yang kuat pada pengujian jangka panjang, sehingga layak digunakan sebagai sistem pendukung keputusan investasi.

Downloads

Download data is not yet available.

References

Amansyah, I., Indra, J., Nurlaelasari, E., & Juwita, A. R. (2024). Prediksi penjualan kendaraan menggunakan regresi linear: Studi kasus pada industri otomotif di indonesia. Innovative: Journal Of Social Science Research, 4(4), 1199–1216. https://doi.org/https://doi.org/10.31004/innovative.v4i4.12735

Edi, M., Utami, E., & Yaqin, A. (2023). Prediksi Harga pada Trading Forex Pair USDCHF Menggunakan Regresi Linear. Jurnal Manajemen Informatika (JAMIKA), 13(2), 109–119. https://doi.org/10.34010/jamika.v13i2.9826

Huang, Y., Capretz, L. F., & Ho, D. (2021). Machine Learning for Stock Prediction Based on Fundamental Analysis. 2021 IEEE Symposium Series on Computational Intelligence, SSCI 2021 - Proceedings. https://doi.org/10.1109/SSCI50451.2021.9660134

Jaya, D. P., Sobri, K. M., Putra, R., & Najib, A. (2023). Implementasi Kebijakan Restrukturisasi Kredit Perbankan kepada Usaha Mikro, Kecil Dan Menengah di Era Pandemi Covid-19 pada PT. Bank Rakyat Indonesia (Persero). PERSPEKTIF, 12(4), 1361–1373. https://doi.org/10.31289/perspektif.v12i4.10053

Kuswanto, J., & Hakim, L. (2025). Penerapan Algoritma Random Forest untuk memprediksi Performa Akademik Mahasiswa. Decode: Jurnal Pendidikan Teknologi Informasi, 5(1), 262–270. https://doi.org/https://doi.org/10.51454/decode.v5i1.1103

Li, Y., Xue, H., Wei, S., Wang, R., & Liu, F. (2024). A machine learning approach for investigating the determinants of stock price crash risk: Exploiting firm and CEO characteristics. Systems, 12(5), 143. https://doi.org/https://doi.org/10.3390/systems12050143

Lumbantoruan, S., Duha, A., Astuti, T. P., Wahidin, A. J., Rahmatullah, B., & Kurniawati, I. (2026). Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(4), 3429–3438. https://doi.org/https://doi.org/10.31004/riggs.v4i4.4158

Ouf, S., Hawary, M. El, Aboutabl, A., & Adel, S. (2024). A Deep Learning-Based LSTM for Stock Price Prediction Using Twitter Sentiment Analysis. Dalam IJACSA) International Journal of Advanced Computer Science and Applications (Vol. 15, Nomor 12). https://doi.org/https://doi.org/10.14569/IJACSA.2024.0151223

Priyatno, A. M., Tanjung, L. S., Ramadhan, W. F., Cholidhazia, P., Jati, P. Z., & Firmananda, F. I. (2023). Comparison random forest regression and linear regression for forecasting BBCA stock price. Jurnal Teknik Industri Terintegrasi (JUTIN), 6(3), 718–732. https://doi.org/https://doi.org/10.31004/jutin.v6i3.16933

Rohyati, R., Rokhmah, F. P. N., Syazeedah, H. N. U., Fitriyaningrum, R. I., Ramadhan, G., & Syahwildan, M. (2024). Tantangan dan peluang pasar modal Indonesia dalam meningkatkan minat investasi di era digital. Kompeten: Jurnal Ilmiah Ekonomi Dan Bisnis, 3(1), 909–918. https://doi.org/https://doi.org/10.57141/kompeten.v3i1.133

Saifudin, I., & Widiyaningtyas, T. (2024). Systematic Literature Review on Recommender System: Approach, Problem, Evaluation Techniques, Datasets. IEEE Access, 12, 19827–19847. https://doi.org/10.1109/ACCESS.2024.3359274

Supriyanto, Y., Ilhamsyah, M., & Enri, U. (2022). Prediksi Harga Minyak Kelapa Sawit Menggunakan Linear Regression Dan Random Forest. Jurnal Ilmiah Wahana Pendidikan, 8(7), 178–185. https://doi.org/https://doi.org/10.5281/zenodo.6559603

Windyani, W. I., Todingbua, M. A., & Mongan, C. J. (2026). Analisis Fundamental Pengambilan Keputusan Investasi pada Saham PT Bank BRI Tbk. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(4), 7839–7847. https://doi.org/https://doi.org/10.31004/riggs.v4i4.4594

Zapar, R., Pratama, D., Kaslani, K., Rohmat, C. L., & Faturrohman, F. (2024). Penerapan Model Regresi Linier Untuk Prediksi Harga Saham Bank BCA Pada Bursa Efek Indonesia. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 196–202. https://doi.org/https://doi.org/10.36040/jati.v8i1.8215

Zou, J., Zhao, Q., Jiao, Y., Cao, H., Liu, Y., Yan, Q., Abbasnejad, E., Liu, L., & Shi, J. Q. (2023). Stock Market Prediction via Deep Learning Techniques: A Survey. https://doi.org/https://doi.org/10.48550/arXiv.2212.12717