Optimasi Investasi di Pasar Saham Indonesia: Meningkatkan Keputusan Investasi dengan Prediksi IHSG menggunakan Decision Tree

Dwi Eko Waluyo, Cinantya Paramita, Hayu Wikan Kinasih, Fauzi Adi Rafrastara, Dewi Pergiwati

Abstract


Pasar saham Indonesia merupakan pilar ekonomi yang vital, memfasilitasi perolehan modal bagi perusahaan serta menawarkan peluang investasi bagi individu hingga korporasi besar. Keberhasilan investasi sangat dipengaruhi oleh kemampuan memahami faktor-faktor yang menentukan pergerakan harga saham. Teknologi dan analisis data, khususnya melalui algoritma Decision Tree, dapat membantu memprediksi pergerakan Indeks Harga Saham Gabungan (IHSG), sehingga mendukung keputusan investasi yang lebih baik. Pengabdian masyarakat bertajuk "Optimasi Investasi di Pasar Saham Indonesia" dirancang untuk meningkatkan literasi investasi di kalangan mahasiswa, pengusaha dan pemegang saham, melalui pengembangan system analisis berbasis Decision Tree untuk prediksi IHSG. Program ini mencakup penelitian awal, pengembangan dan validasi model prediksi, pelatihan dan edukasi, implementasi, serta evaluasi dan penyempurnaan berbasis MOS, dengan tujuan akhir meningkatkan keberhasilan investasi di pasar saham Indonesia, seraya mengintegrasikan pengetahuan di bidang komputer, AI, dan keuangan. Materi pelatihan mencakup dasar analisis teknikal dan fundamental, analisis Decision Tree, optimasi portofolio, dan strategi manajemen risiko, dilengkapi dengan alat machine learning. Evaluasi pasca pelatihan menggunakan metode Mean Opinion Score (MOS) menunjukkan tingkat kepuasan tinggi dengan skor 97.08% untuk Fungsionalitas, 96.09% untuk Keandalan, dan 98.09% untuk Kegunaan, menekankan efektivitas algoritma Decision Tree dalam memprediksi IHSG dan meningkatkan keputusan investasi.

Keywords


saham, investasi, ihsg, prediksi, decision tree, model, mos

Full Text:

PDF

References


Melina, Sukono, H. Napitupulu, and N. Mohamed, “A Conceptual Model of Investment-Risk Prediction in the Stock Market Using Extreme Value Theory with Machine Learning: A Semisystematic Literature Review,” Risks, vol. 11, no. 3, 2023, doi: 10.3390/risks11030060.

R. Obiedat, “Developing decision tree based models in combination with filter feature selection methods for direct marketing,” Int. J. Adv. Comput. Sci. Appl., vol. 11, no. 1, pp. 650–659, 2020, doi: 10.14569/ijacsa.2020.0110180.

C. S. Cinantya Paramita, Usman Sudibyo, Muljono, “Pelatihan Penggunaan Aplikasi Screen Reader JAWS Bagi Tunanetra Untuk Meningkatkan Kemampuan Dalam Pengelolaan Administrasi Training of JAWS Screen Reader Application for Blind People to Improve Ability in Administrative Management,” ABDIMASKU, vol. 2, no. 15018, pp. 79–84, 2019.

C. Paramita, E. Hari Rachmawanto, C. Atika Sari, and D. R. Ignatius Moses Setiadi, “Klasifikasi Jeruk Nipis Terhadap Tingkat Kematangan Buah Berdasarkan Fitur Warna Menggunakan K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 4, no. 1, pp. 1–6, 2019, doi: 10.30591/jpit.v4i1.1267.

A. Kelik Nugroho and B. Wijayanto, “Evaluation of the Quality of Academic Information System Unsoed Using Iso 9126 and Mean Opinion Score (Mos),” J. Tek. Inform., vol. 3, no. 3, pp. 771–779, 2022, [Online]. Available: https://doi.org/10.20884/1.jutif.2022.3.3.366.

C. Chaiboonsri and S. Wannapan, “Applying quantum mechanics for extreme value prediction of VaR and ES in the ASEAN stock exchange,” Economies, vol. 9, no. 1, 2021, doi: 10.3390/economies9010013.




DOI: https://doi.org/10.62411/ja.v7i1.1876

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Cinantya Paramita



Jurnal ABDIMASKU (p-ISSN : 2615-3696e-ISSN : 2620-3235) diterbitkan oleh LPPM Universitas Dian Nuswantoro Semarang. Jurnal ini di bawah lisensi Creative Commons Attribution 4.0 International License.

View My Stats

 

ABDIMASKU terindeks di :