PREDIKSI HARGA SAHAM DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN FUZZY K-NEAREST NEIGHBOR

Saham merupakan tanda bukti penyertaan kepemilikan modal atau dana pada suatu perusahaan. Saham berwujud selembar kertas yang tercantum dengan jelas nilai nominal, nama perusahaan dan diikuti dengan hak dan kewajiban yang dijelaskan kepada setiap pemegangnya. Nilai saham dapat berfluktuasi sehingga saham dapat digunakan sebagai instrumen investasi. Investasi saham dapat dilakukan di pasar modal, pada hakekatnya pasar modal adalah pasar untuk berbagai instrumen keuangan jangka panjang yang bisa diperjual-belikan. Pengembangan aplikasi ini dilakukan untuk mempermudah seorang pialang dalam mengambil keputusan menjual atau membeli saham dengan menerapkan metode Support Vector Machine (SVM) dan Fuzzy K-Nearest Neighbor (FK-NN). Support Vector Machine (SVM) bekerja untuk menghasilkan Support Vector pada data latih dan akan menghasilkan kelas dan bobot pada setiap data latih. Fuzzy K-Nearest Neighbor (FK-NN) dan Modified K-Nearest Neighbor (MK-NN) berperan untuk melakukan klasifikasi pada data uji dan menghasilkan prediksi harga saham. Hasil pengujian menunjukkan bahwa dengan melakukan perubahan pada tahapan klasifikasi dapat menghasilkan tingkat akurasi algoritma Modified K-Nearest Neighbor lebih baik daripada algoritma Fuzzy K-Nearest Neighbor dapat dibuktikan dengan menetapkan nilai k = 2 maka akurasi yang diperoleh adalah 95,73 % untuk Fuzzy K-Nearest Neighbor dan 99,52% untuk Modified K-Nearest Neighbor pada dataset Bank Rakyat Indonesia Persero (BBRI).