Deskripsi Fisik

xii + 68 hal; 21 X 30 cm

Subyek

Metode Ensemble

Kata Kunci

Anotasi

ABSTRAK Dalam industri pasar modal, pemilihan saham yang tepat merupakan kunci untuk mencapai keberhasilan investasi jangka panjang. Analisis fundamental adalah salah satu pendekatan yang digunakan untuk mengevaluasi kinerja keuangan perusahaan dan menentukan saham yang memiliki potensi pertumbuhan. Namun, kompleksitas analisis fundamental sering kali menjadi tantangan bagi investor. Penelitian ini bertujuan untuk menggunakan metode ensemble guna mengklasifikasikan saham sektor keuangan berdasarkan faktor fundamental seperti Price to Book Ratio (PBR), Price Earning Ratio (PER), Debt to Equity Ratio (DER), Return on Equity (ROE), dan Dividend Payout Ratio (DPR) Metode ensemble yang digunakan dalam penelitian ini meliputi RandomForest, XGBoost, dan Support Vector Classifier (SVC) Random Forest menggabungkan has?l klasifikas? dar? beberapa pohon keputusan untuk menghasilkan klasifikasi yang lebih akurat dan stabil. XGBoost adalah metode boosting yang mengoptimalkan kinerja model melalui penurunan gradien secara berurutan. SVC menggunakan prinsip Support Vector Machine untuk mengklasifikasikan data dengan margin yang maksimal Data keuangan perusahaan sektor keuangan yang terdaftar di pasar modal akan dikumpulkan dan dianalisis menggunakan ketiga metode ensemble tersebut. Hasil dari penelitian ini didapatkan adalah bahwa Metode Ensemble dapat membuat hasil yang baik dengan nilai rata-rata accuracy, recall, dan precision: 93%,91%, dan 88% yang Dimana dapat menutupi nilai terendah dari model svm yang memiliki nilai rata-rata accuracy, recall, dan precision 70%, 67%, dan 78%. dan menggabungkan dengan nilai tinggi dari XGBoost dengan rata-rata accuracy, recall, dan precision dari xgboost adalah 92%, 92%, dan 93%, serta nilai tinggi dari Random Forest dengan rata-rata accuracy, recall, dan precision dari random forest adalah 93%, 93%, dan 94%