Implementasi Random Forest Regression Untuk Prediksi Harga Saham Consumer Non-Cyclicals Berbasis Rasio Fundamental
DOI:
https://doi.org/10.25077/TEKNOSI.v12i1.2026.126-133Kata Kunci:
Stock Price, Random Forest, Machine Learning, Financial Ratio AnalysisAbstrak
Prediksi harga saham merupakan aspek krusial dalam pengambilan keputusan investasi, khususnya pada sektor Consumer Non-Cyclicals yang memiliki karakteristik permintaan relatif stabil. Namun, hubungan antara rasio fundamental dan harga saham sering bersifat non-linear sehingga sulit dimodelkan menggunakan pendekatan statistik konvensional. Penelitian ini bertujuan untuk membangun model prediksi harga saham berbasis algoritma Random Forest Regression dengan mengintegrasikan rasio fundamental dan fitur turunan hasil feature engineering pada sektor Consumer Non-Cyclicals di Bursa Efek Indonesia. Penelitian menggunakan data sekunder berupa laporan keuangan dan harga saham kuartalan perusahaan sektor Consumer Non-Cyclicals periode 2022–2024. Variabel independen meliputi EPS, Book Value, DER, ROA, ROE, dan NPM, serta fitur turunan seperti PER, PBV, interaksi rasio, harga lag, dan perubahan harga. Pemodelan dilakukan menggunakan Random Forest Regression dengan pembagian data TimeSeriesSplit. Evaluasi model menggunakan MAE, RMSE, dan R², serta interpretasi model dilakukan melalui Feature Importance dan SHAP. Hasil penelitian menunjukkan bahwa model Random Forest Regression memiliki kinerja prediksi yang baik dan mampu menangkap pola non-linear antara variabel fundamental dan harga saham. Fitur Harga_Lag1, ROE, PER, dan interaksi DER_ROA menjadi variabel paling berpengaruh dalam menentukan harga saham. Model yang dikembangkan efektif sebagai alat bantu prediksi harga saham berbasis fundamental dan berpotensi mendukung pengambilan keputusan investasi yang lebih akurat dan berbasis data.Referensi
P. Mega et al., Mengenal Produk Investasi Pasar Modal Indonesia. Medan, ippm umnaw, 2023, pp. 1-3.
S. Rahayu, “Fundamental Analysis of Share Prices in Coal Mining Subsector Companies”, doi: 10.33258/birci.v4i3.2371.
A. Arum et al, Analisis Laporan Keuangan. Bandung, CV Media Sains Indonesia, 2022, pp 46-31.
N. Damayanti, E. Gurendrawati, and S. Susanti, “Pengaruh DER, ROA, ROE, NPM, dan Risiko Sistematis pada Harga Saham Perusahaan,” Jurnal Simki Economic, vol. 6, no. 1, 2023, doi: 10.29407/jse.v6i1.157.
A. P. Nugroho, P. Kesdu, S. Fatonah, and N. I. Susanti, “The Analysis of Fundamental Factors Affecting Company Stock Prices (Case Studies of Companies Listed on the Indonesia Stock Exchange and Incorporated in the LQ45 Index),” East Asian Journal of Multidisciplinary Research (EAJMR), vol. 1, no. 7, pp. 1429–1448, 2022, [Online]. Available: https://journal.formosapublisher.org/index.php/eajmr/index
R. Eddy Nugroho and Maria Sherly Iskandar, “APPLICATION OF AHP FOR SUPPLIER SELECTION IN CONSTRUCTION COMPANIES,” Dinasti International Journal of Management Science, vol. 1, no. 6, 2020, doi: 10.31933/dijms.v1i6.400.
Y. Tristiarto, “Analisis Pengaruh Kinerja Keuangan Terhadap Harga Saham Perusahaan Sektor Consumer Non Cyclicals”, doi: 10.37817/ikraith.
E. Karyani and M. R. Perdiansyah, “ESG And Intellectual Capital Efficiency: Evidence From Asean Emerging Markets,” Jurnal Akuntansi dan Keuangan Indonesia, vol. 19, no. 2, pp. 166–187, Dec. 2022, doi: 10.21002/jaki.2022.08.
M. Y. Urrochman, H. Asy’ari, and F. A. Hizham, “Performance Comparison Of Random Forest Regression, SVR Models In Stock Price Prediction,” Jurnal Pilar Nusa Mandiri, vol. 21, no. 1, pp. 16–23, Mar. 2025, doi: 10.33480/pilar.v21i1.6072.
M. H. P. Khandagale, “Predicting Stock Prices With Machine Learning Using Comparative Analysis Of Random Forest Algorithm,” 2023. [Online]. Available: http://www.ijeast.com.
P. F. Tsai, C. H. Gao, and S. M. Yuan, “Stock Selection Using Machine Learning Based on Financial Ratios,” Mathematics, vol. 11, no. 23, Dec. 2023, doi: 10.3390/math11234758.
Y. Shi, “Research on the Stock Price Prediction Using Machine Learning,” Advances in Economics, Management and Political Sciences, vol. 22, no. 1, pp. 174–179, Sep. 2023, doi: 10.54254/2754-1169/22/20230307.
W. Monika, Ilmu Data, Riau, UIR Press, Penulis: Arbi Haza Nasution. [Online]. Available: https://uirpress.uir.ac.id.
A. Pangestu and R. T. Iswahyudi, “Pengaruh Data Preprocessing Terhadap Performa Regresi Linier Dalam Prediksi Saham, doi: 10.37817/ikraith-informatika.v9i2.
V. Da Poian et al., “Exploratory data analysis (EDA) machine learning approaches for ocean world analog mass spectrometry,” Frontiers in Astronomy and Space Sciences, vol. 10, 2023, doi: 10.3389/fspas.2023.1134141.
S. Royan Sumando, I. Sadalia, and A. A. Nasution, “The Effect of Profitability, Liquidity, and Financial Leverage on Stock Prices in Property and Real Estate Companies Listed on the Indonesia Stock Exchange,” 2023, pp. 179–186. doi: 10.2991/978-94-6463-008-4_24.
M. Sivakumar, S. Parthasarathy, and T. Padmapriya, “Trade-off between training and testing ratio in machine learning for medical image processing,” PeerJ Comput Sci, vol. 10, 2024, doi: 10.7717/PEERJ-CS.2245.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 