PREDIKSI HARGA SAHAM APPLE.INC (AAPL) MENGGUNAKAN ARIMA DAN FOURIER TRANSFORM

• MOHAMMAD AL GHIFARY
• 2024

---

Penelitian ini bertujuan untuk mengimplementasikan metode machine learning
menggunakan algoritma ARIMA (AutoRegressive Integrated Moving Average) dan
Fourier Transformation dalam memprediksi harga saham Apple Inc. (AAPL).
Penelitian ini diperlukan untuk mengetahui prediksi harga saham yang akurat dan
diharapkan membantu investor dalam mempertimbangkan keputusan investasi yang
lebih baik. Data saham AAPL diambil dari Yahoo Finance dengan rentang tahun 2014-
2024. Proses penelitian melibatkan pengumpulan data, normalisasi, dan pembagian
data menjadi set latih dan tes dengan rasio 90:10. Model ARIMA digunakan untuk
menganalisis data historis dan memprediksi harga saham di masa depan, sementara
Fourier Transformation digunakan untuk menganalisis frekuensi komponen dari sinyal
saham. Hasil penelitian menunjukkan bahwa, Mean Squared Error (MSE)
31.864644159895434, Mean Absolute Error (MAE): 3.650669781810259, R2 Score:
0.8955945873220423, Explained Variance Score: 0.9150461685583363, Mean
Absolute Percentage Error (MAPE): 10.99014332045678, Mean Percentage Error
(MPE): 0.29281016934991744. Hasil penelitian menunjukkan bahwa metode ARIMA
dan Fourier Transformation dapat memberikan kontribusi signifikan dalam analisis
dan prediksi harga saham. Model ARIMA menunjukkan performa yang baik dengan
akurasi tinggi dalam memprediksi harga saham AAPL. Fourier Transformation juga
terbukti efektif dalam menganalisis pola data saham, yang selanjutnya meningkatkan
ketahanan model prediksi. Penelitian ini memberikan wawasan penting bagi para
investor untuk memahami dinamika harga saham dan membuat keputusan investasi
yang lebih baik.

• Saham APPL
• Forecasting Menggunakan ARIMA dan Fourier Transform.

https://repository.bsi.ac.id/repo/56088/PREDIKSI-HARGA-SAHAM-APPLE.INC-(AAPL)-MENGGUNAKAN-ARIMA-DAN-FOURIER-TRANSFORM
Anda dapat membaca file tugas akhir ini di repository.