View/Open

Author
AGNES, MONIKA SIMALANGO

Date Published
16 Dec 2025

Advisor
Muklas Rivai, S.Stat., M.Si.,
Fuji Lestari, M.Si.,

Subject
Aktuaria

Publisher

Indeks Harga Saham Gabungan (IHSG) merupakan indikator utama pasar saham Indonesia. Penelitian ini bertujuan untuk membandingkan metode Random Forest dan Extreme Gradient Boosting dalam memprediksi nilai penutupan IHSG menggunakan data historis yang mencakup indeks pembukaan, tertinggi, terendah, dan volume perdagangan. Kinerja kedua metode akan dievaluasi menggunakan RMSE dan MAPE dan analisis risiko menggunakan Value at Risk (VaR) simulasi historis. Hasil penelitian menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan RMSE 117,54 dan MAPE 0,90% lebih baik dibandingkan Extreme Gradient Boosting yang memiliki nilai RMSE 136,45 dan MAPE 1,03%. Analisis variable importance mengindikasikan bahwa indeks tertinggi (X_2 ) merupakan indeks yang memberikan pengaruh terbesar terhadap prediksi, diikuti oleh indeks terendah (X_3 ), indeks pembukaan (X_1 ) dan volume perdagangan (X_4 ). Hasil peramalan IHSG metode Random Forest diperoleh nilai expected return sebesar 0,00014 dan VaR masing-masing taraf kepercayaan adalah Rp 470.000,00 (90%), Rp 610.000.00 (95%) dan Rp 960.000,00 (99%). Penelitian ini menunjukkan bahwa metode Random Forest efektif untuk prediksi IHSG serta mendukung pengambilan keputusan investasi dan manajemen risiko.

URI
https://repo.itera.ac.id/depan/submission/SB2512150015

Keyword
IHSG Prediksi Random Forest Extreme Gradient Boosting Variable Importance