OPTIMISASI SV-KNNC DENGAN MENGGUNAKAN SILHOUETTE COEFFICIENT DAN LMKNN UNTUK PREDIKSI HARGA SAHAM

Pada pasar modal, seorang pialang sering merasa sulit untuk memutuskan apakah harus membeli atau menjual saham, jumlah data saham yang sangat besar dan kesalahan dalam membaca indikator saham dapat mengakibatkan seorang pialang mengalami kerugian. Untuk memprediksi harga saham dengan akurasi tinggi menjadi sangat sulit, walaupun sudah dilakukan pengurangan variabel yang tidak penting tetapi masih tetap adanya outlier, pada pengelompokan data juga masih sulit mengetahui nilai kelas paling optimal pada tahapan cluster data. Tujuan dari penelitian ini adalah mengusulkan model untuk menghasilkan kelas terbaik pada tahapan pengelompokan data dan mengusulkan model untuk meningkatkan akurasi prediksi saham pada tahapan klasifikasi. Dengan menerapkan model ini dapat di ketahui nilai kelas terbaik pada saat melakukan pengelompokan data dan akurasi prediksi saham dapat meningkat. Model yang diusulkan adalah SV-kNNC - Shilhoutte Coefficient - SOM (Self Organizing Map) - LMKNN (Local Mean-based K Nearest Neighbor). Sebelum dilakukan pengelompokan data terlebih dahulu di peroleh nilai kelas terbaik menggunakan Shilhoutte Coefficient, dilakukan pembobotan data, berikutnya data saham diklasifikasi menggunakan LMKNN untuk memperoleh hasil prediksi. Pada bagian pengujian dilakukan perbandingan terhadap SV-kNNC - SOM + Shilhoutte Coefficient - LMKNN dan SV-kNNC - SOM - KNN (K Nearest Neighbor). Pengujian yang dilakukan dengan menerapkan Confution Matrix untuk melihat nilai akurasi prediksi, model yang di usulkan dapat menghasilkan nilai kelas terbaik pada tahapan pengelompokan data dan akurasi prediksi yang di hasilkan terjadi peningkatan yang cukup baik. Dapat dilihat dari hasil akurasi prediksi saham perusahaan BBCA 86.99% dengan K terbaik adalah 3, perusahaan ASII 78.30% dengan K terbaik adalah 3, perusahaan TLKM 85.10% dengan K terbaik adalah 5, perusahaan BBRI 84.73% dengan K terbaik adalah 6, perusahaan PGAS 71.36% dengan K terbaik adalah 5.