PENGEMBANGAN APLIKASI PREDIKSI TREND HARGA SAHAM DENGAN MENGGUNAKAN METODE SV-KNNC DAN SELF-ORGANIZING MAP

Saham merupakan tanda penyertaan atau pemilikan seseorang atau badan dalam suatu perusahaan atau perseroan terbatas. Dalam setiap transaksi pasar modal. seorang pialang dihadapkan dengan pilihan apakah akan menjual atau membeli saham. Meskipun dapat di prediksi dengan analisis teknikal maupun analisis fundamental. tetapi kesalahan sering terjadi dalam proses pembacaan dan pengkolerasian nilai saham. sehingga membuat seorang pialang kesulitan dalam mengambil keputusan menjual atau membeli saham. serta banyak nya data saham yang harus di olah sehingga membutuhkan waktu yang lebih lama dalam melakukan analisis harga saham. Pengembangan aplikasi dilakukan untuk mempermudah seorang pialang dalam mengambil keputusan menjual dan membeli saham dengan menerapkan algoritma SV-kNNC dan melakukan perubahan pada tahapan clustering untuk menetapkan bobot pada setiap data latih. Support Vector Machine (SVM) bekerja dengan memilih Support Vector pada data latih. melalui proses Support Vector Machine masing-masing data latih sudah memiliki kelas pada data. Data latih akan di clustering dengan menggunkan algoritma Selft Organizing Map (SOM). masing masing data yang sudah dikelompokkan akan memiliki bobot dari kelas data. K-Nearest Neighbor (KNN) berperan melakukan proses prediksi harga saham. data latih yang diperoleh dari Support Vector akan menghasilkan hasil jarak pada setiap data di sertai dengan kelas dan bobot pada setiap data. dengan menentukan nilai kelas pada algoritma K-Nearest Neighbor maka akan di peroleh hasil prediksi pada nilai saham. Hasil pengujian menunjukkan bahwa dengan melakukan perubahan pada tahapan clustering dapat menghasilkan tingkat akurasi algoritma Self Organizing Map lebih baik dari pada algoritma K-Means. dapat dibuktikan dengan menetapkan nilai cluster sebanyak 2. nilai iterasi 45 dan nilai kelas pada KNN sebanyak 2 maka hasil akurasi yang diperoleh adalah 93.61%. Serta dengan menerapkan algoritma K-Fold Cross Validation untuk menghitung akurasi dari masing-masing dataset saham yang berperan. Nilai akurasi terbaik sebesar 94.46%. diperoleh dari dataset Perusahaan Gas Negara (PGAS).