Penerapan Metode Particle Swarm Optimization dan Support Vector Regression pada Peramalan Harga Penutupan Saham PT Astra International (ASII.JK)

Saham merupakan sebuah sertifikat kepemilikan dalam suatu perusahaan. Harga penutupan saham merupakan harga terakhir di mana saham diperdagangkan pada hari tersebut. Harga penutupan saham cenderung akan terus mengalami fluktuasi setiap harinya. Oleh sebab itu, memperkirakan harga penutupan saham menjadi krusial bagi investor dalam membuat keputusan investasi yang tepat. Prediksi harga penutupan saham yang efektif dan akurat diperlukan untuk memberikan wawasan tentang pergerakan harga saham di masa mendatang. Penelitian ini bertujuan untuk meramalkan harga penutupan saham PT Astra International Tbk menggunakan metode Particle Swarm Optimization dan Support Vector Regression. PSO digunakan untuk mengoptimalkan parameter SVR guna meminimalkan kesalahan prediksi, sementara SVR dipilih karena memiliki kemampuan yang handal dalam menangani data non-linear. Penelitian ini menggunakan data harga penutupan harian saham PT Astra International Tbk selama lima tahun terakhir (2019-2024). Evaluasi model dilakukan dengan menggunakan Mean Absolute Percentage Error (MAPE). Semakin kecil nilai MAPE, maka akan semakin baik model peramalan. Hasil dari pengujian didapatkan splitting data terbaik yaitu 70% data training dan 30% data testing dengan parameter optimal C=199.66, gamma=0.001, dan epsilon 0.00001 yang menghasilkan nilai MAPE sebesar 1,159%. Berdasarkan hasil uji coba yang didapatkan menunjukkan model cukup bagus dan layak digunakan untuk prediksi peramalan harga saham PT Astra International Tbk.