Text

SKRIPSI ANALISIS KOMPARATIF OPTIMASI HYPERPARAMETER MENGGUNAKAN ALGORITMA GENETIKA PADA MODEL STACKING ENSEMBLE LEARNING UNTUK PREDIKSI TREN SAHAM

---

Prediksi arah pergerakan harga saham memiliki kompleksitas tinggi akibat volatilitas dan derau data yang ekstrem, sehingga model standar sering mengalami bias unilateral yang merugikan sensitivitas prediksi. Penelitian ini bertujuan mengoptimalkan performa model Stacking Ensemble dalam memprediksi tren harga saham PT Bank Central Asia Tbk. (BBCA) dengan mengintegrasikan Algoritma Genetika sebagai metode penalaan hyperparameter otomatis. Metode Stacking Ensemble yang dibangun mengombinasikan beberapa pengklasifikasi dasar dan dievaluasi menggunakan skema pengujian temporal untuk menghindari look-ahead bias. Hasil eksperimen menunjukkan bahwa optimasi menggunakan Algoritma Genetika memberikan pengaruh positif terhadap akurasi dan stabilitas model. Integrasi algoritma ini berhasil meningkatkan akurasi global sebesar 0,94% (dari 52,33% menjadi 53,27%) dan menaikkan Macro Average F1-score sebesar 2,87% (dari 49,83% menjadi 52,70%), melampaui batas kritis netral. Secara mekanis, penurunan True Negative sebanyak 107 sampel pada tren penurunan berhasil dikompensasi secara sepadan oleh lonjakan True Positive sebanyak 126 sampel baru pada tren penguatan. Dampaknya, selisih kepekaan antar-kelas (recall gap) yang semula jomplang sebesar 32,88% berhasil dipangkas secara masif menjadi hanya 9,43%. Penelitian ini membuktikan bahwa implementasi Algoritma Genetika mampu menghasilkan batasan keputusan yang objektif serta distribusi performa yang seimbang dalam menghadapi volatilitas harian pasar saham.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

ELEKTRO KUR A 2025

Penerbit

MAGELANG : UNIVERSITAS TIDAR., 2026

Deskripsi Fisik

XVI;90 HLM;29 CM

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

621.38

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar