View/Open

Author
IFFAH, NURUL ROHMAH

Date Published
07 Oct 2026

Advisor
Muklas Rivai, S.Stat., M.Si.,
Nanda Azzanina, S.Pd., M.Sc.,

Subject
Aktuaria

Publisher

Pergerakan harga saham yang fluktuatif menuntut metode prediksi yang mampu menangkap pola nonlinear sekaligus mengukur risiko investasi secara kuantitatif. Penelitian ini membandingkan kinerja Support Vector Regression (SVR) dan Extreme Gradient Boosting (XGBoost) dalam memprediksi harga penutupan saham PT Alamtri Resources Indonesia Tbk (ADRO) menggunakan data harian 2016–2026, serta menerapkan hasil prediksi model terbaik untuk mengestimasi risiko investasi menggunakan Value at Risk pada tingkat kepercayaan 95 persen dan 99 persen. Hasil penelitian menunjukkan bahwa model SVR dengan kernel linear dan hyperparameter optimal C=10 serta epsilon =0,01 memberikan kinerja lebih baik dari XGBoost, dengan RMSE Rp74,99 dan MAPE 1,85 persen, sedangkan XGBoost menghasilkan RMSE Rp86,41 dan MAPE 2,27 persen. Model SVR selanjutnya digunakan untuk memprediksi harga saham selama sepuluh hari bursa ke depan dengan hasil prediksi bergerak dari Rp2.300,30 hingga Rp2.316,79. Estimasi Value at Risk (VaR) pada tingkat kepercayaan 95 persen dan 99 persen untuk holding period satu hari masing-masing sebesar Rp379.484,67 dan Rp536.712,41, kemudian meningkat menjadi Rp1.200.035,90 dan Rp1.697.233,67 untuk holding period sepuluh hari, dari investasi awal Rp100.000.000,00. Penelitian ini diharapkan menjadi bahan pertimbangan bagi investor maupun peneliti dalam memilih metode prediksi harga saham yang tepat sekaligus memahami risiko yang menyertainya.

URI
https://repository.itera.ac.id/depan/submission/SB2610110011

Keyword
ADRO Extreme Gradient Boosting Prediksi Harga Saham Support Vector Regression Value at Risk