MINING DENGAN REGRESI LINIER BERGANDA UNTUK PREDIKSI DATA HISTORIS SAHAM PT. ASTRA ARGO LESTARI TBK

• ARISTOTELIANTO
• 2019

---

ABSTRAK

 

 

Aristotelianto (19180451), Data Mining dengan Regresi Linier Berganda untuk Prediksi Data Historis Saham PT. Astra Argo Lestari Tbk.

 

Saham adalah tanda penyertaan modal seseorang atau pihak (badan usaha) dalam satu perusahaan atau perseroan terbatas. Harga saham terbentuk dari interaksi permintaan dan penawaran. Peningkatan permintaan saham akan mendorong kenaikan harga, demikian pula sebaliknya. Pergerakan harga IHSG sangat cepat sehingga sulit untuk diprediksi kenaikan atau penurunannya. Oleh karena itu, perlu prediksi harga saham sehingga bermanfaat bagi investor untuk dapat melihat bagaimana prospek investasi di masa yang akan datang. Regresi linear ganda (multiple linear regression) adalah model regresi linear dengan 1 variabel dependen kontinu beserta k (dua atau lebih) variabel independen kontinu dan/atau kategorik. Data historis saham yang digunakan dalam pengujian diperoleh dari halaman web finance.yahoo.com dengan kategori PT Astra Agro Lestari Tbk (AALI.JK). Data historis saham yang akan digunakan adalah data harian selama kurang lebih tiga bulan terakhir yang diambil pada bulan 1 januari 2019 sampai dengan 29 maret  2019 yang berbentuk time series yang disertai variabel open, high, low, dan volume sebagai variabel independent dan close sebagai variabel dependent. Algoritma yang digunakan adalah dengan regresi linier berganda (multiple linear regression) dengan perhitungan menggunakan SPSS. Hasil dan kesimpulan dari penelitian prediksi data historis saham PT. Astra Argo Lestari Tbk menggunakan metode regresi linier berganda adalah Hasil uji normalitas diketahui nilai uji signifikan 0,200 > 0,05, persamaan regresi didapatkan dengan nilai konstanta sebesar -84,907, untuk koefesien open terhadap close sebesar -0,505, koefesien high terhadap close sebesar 0,655, koefesien low terhadap close sebesar 0,854, dan untuk koefesien volume terhadap close sebesar 0,005, Nilai R sebesar 0,993, koefisien determinasi sebesar 0,986 atau 98,6%, probabilitas signifikansi sebesar 0,000 < 0,05, artinya H1 diterima, dan nilai MAD (Mean Absolute Deviation) sebesar 74,88, nilai MSE (Mean Squared Error) sebesar 9073,3 nilai RMSE (Root Mean Squared Error) sebesar 95,25, dan nilai MAPE (Mean Absolute Percentage Error) sebesar 0,59%, artinya kemampuan peramalan sangat baik jika nilai MAPE < 10%.

ABSTRACT

 

 

 

Aristotelianto (19180451), Data Mining with Multiple Linear Regression for Historical Data Prediction of PT. Astra Argo Lestari Tbk.

 

Stock is a sign of capital participation of a person or party (business entity) in a company or limited liability company. Stock prices are formed from the interaction of demand and supply. An increase in stock demand will encourage price increases, and vice versa. JCI price movements are very fast so it is difficult to predict the increase or decrease. Therefore, it is necessary to predict stock prices so that it is beneficial for investors to be able to see how the prospects of investment in the future. Multiple linear regression (multiple linear regression) is a linear regression model with 1 continuous dependent variable along with k (two or more) continuous and / or categorical independent variables. Historical stock data used in the test was obtained from the web page finance.yahoo.com with the category PT Astra Agro Lestari Tbk (AALI.JK). Stock historical data that will be used is daily data for approximately the last three months taken on 1 January 2019 to 29 March 2019 in the form of time series with open, high, low, and volume variables as independent and close variables as the dependent variable . The algorithm used is multiple linear regression (multiple linear regression) with calculations using SPSS. The results and conclusions of the research predictions of historical data stock of PT. Astra Argo Lestari Tbk using the method of multiple linear regression is the normality test results known to be a significant test value of 0.200> 0.05, the regression equation is obtained with a constant value of -84.907, for the coefficient of open to close of -0.505, high coefficient of close of 0.655, coefficient low to close of 0.854, and to the coefficient of volume to close of 0.005, R value of 0.993, determination coefficient of 0.986 or 98.6%, significance probability of 0,000 <0.05, meaning H1 is accepted, and MAD (Mean Absolute Deviation) ) of 74.88, MSE (Mean Squared Error) value of 9073.3 RMSE (Root Mean Squared Error) value of 95.25, and MAPE (Mean Absolute Percentage Error) value of 0.59%, meaning that forecasting ability is very good if the MAPE value is <10%.

• Data Mining
• Prediksi
• Regresi Linier Berganda
• Data Histois Saham

DAFTAR PUSTAKA

 

Amrin. (2016). DATA MINING DENGAN REGRESI LINIER BERGANDA UNTUK PERAMALAN PERAMALAN TINGKAT INFLASI. Jurnal Techno Nusa Mandiri, XIII(1), 74–79.

 

Ardiansyah, I., & Isbanah, Y. (2017). Analisis Pengaruh Deviden, Pertumbuhan Aset, Ukuran Perusahaan, Dan Leverage Terhadap Volatilitas Harga Saham. JURNAL RISET AKUNTANSI & KEUANGAN, 5(1), 1–21.

 

As’ari, R. (2018). Pengetahuan dan Sikap Masyarakat dalam Melestarikan Lingkungan Hubungannya dengan Perilaku Menjaga Kelestarian Kawasan Bukit Sepuluh Ribu di Kota Tasikmalaya. Jurnal GeoEco, 4(1), 9–18.

 

Barat, M. (2010). KARAKTER CURAH HUJAN DI INDONESIA Tukidi Jurusan Geografi FIS UNNES Abstrak. 7(2), 136–145.

 

Budiman, I., & Akhlakulkarimah, A. N. (2015). Aplikasi Data Mining Menggunakan Multiple Linear Regression Untuk Pengenalan Pola Curah Hujan. Kumpulan JurnaL Ilmu Komputer (KLIK), 02(01), 34–44.

 

Erlinawati, I., & Mawardi, I. (2015). PENGARUH JUMLAH SAHAM BEREDAR, HARGA SAHAM DAN PERSENTASE SAHAM PUBLIK TERHADAP LIKUIDITAS SAHAM PERUSAHAAN YANG LISTING DI JII PERIODE 2013. JESTT, 2(2), 130–146.

 

Gunawansyah, H. (2014). PENGARUH UKURAN DEWAN KOMISARIS, DEWAN KOMISARIS INDEPENDEN DAN KEPEMILIKAN MANAJERIAL TERHADAP KINERJA PERUSAHAAN.

 

Halimi, I., & Kusuma, W. A. (2018). Prediksi Indeks Harga Saham Gabungan ( IHSG ) Menggunakan Algoritma Neural Network. Jurnal Edukasi Dan Penelitian Informatika, 4(1), 24–29.

 

Harahap, B., Umbara, R. F., & Triantoro, D. (2015). Prediksi Indeks Harga Saham Menggunakan Metode Gabungan Support Vector Regression dan Random Forest. E-Proceeding of Engineering, 3(3), 5353–5363.

 

Harlan, J. (2018). Analisis Regresi Linier. Depok: Gunadarma.

 

Haslinda, & M, J. (2016). PENGARUH PERENCANAAN ANGGARAN DAN EVALUASI ANGGARAN TERHADAP KINERJA ORGANISASI DENGAN STANDAR BIAYA SEBAGAI VARIABEL MODERATING PADA PEMERINTAH DAERAH KABUPATEN WAJO. Jurnal Ilmiah Akuntansi Peradaban, II, 1–21.

 

Herviani, V., & Febriansyah, A. (2016). TINJAUAN ATAS PROSES PENYUSUNAN LAPORAN KEUANGAN PADA YOUNG ENTERPRENEUR ACADEMY INDONESIA BANDUNG. Jurnal Riset Akuntansi, VIII(2), 19–27.

Hidayatulloh, T. (2014). Kajian Komparasi Penerapan Algoritma Support Vector Machine ( Svm ) Dan Multilayer Perceptron ( Mlp ) Dalam Prediksi Indeks Saham Sektor Perbankan. Seminar Nasional Inovasi Dan Tren (SNIT).

 

Isdianto, O., & Kurniawan, I. S. (2017). PENGARUH PRAKTEK MSDM STRATEGIK DAN KINERJA KARYAWAN TERHADAP KINERJA PERUSAHAAN PERSEWAAN ALAT PESTA OR. Manajemen Dewantara, 1(2), 25–37.

 

Izzah, A., & Widyastuti, R. (2017). Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression untuk Pencegahan Data Outlier. Kinetik, 2(3), 141–150. https://doi.org/http://dx.doi.org/10.22219/kinetik.v2i3.268

 

Juliandi, A., Irfan, Manurung, S., & Satriawan, B. (2016). Mengolah Data Penelitian Bisnis Dengan SPSS (R. Pranita, Ed.). Medan: Lembaga Penelitian dan Penulisan Ilmiah Aqli.

 

Kantari, O. (2019). Astra Agro Emiten Terbaik Bidang Pertanian 2019 (p. 2019). p. 2019. Retrieved from https://metropekanbaru.com/astra-agro-emiten-terbaik-bidang-pertanian-2019/

 

Khitam, M. C. (2016). ANALISIS PENGARUH FAKTOR-FAKTOR KOMPETENSI (LATAR BELAKANG PENDIDIKAN, PENGALAMAN, KOMPETENSI TEKNIK) TERHADAP KINERJA AUDITOR (STUDI KASUS PADA INSPEKTORAT KABUPATEN LAMONGAN). Jurnal Penelitian Ilmu Manajemen, I(01), 67–77.

 

Maruddani, D. A. I., & Trimono. (2017). PREDIKSI HARGA SAHAM PT. ASTRA AGRO LESTARI Tbk. DENGAN JUMP DIFFUSION MODEL. 3(1), 57–67.

 

Maulana, R., & Kumalasari, D. (2019). ANALISIS DAN PERBANDINGAN ALGORITMA DATA MINING DALAM PREDIKSI HARGA SAHAM GGRM. Jurnal Informatika Kaputama (JIK), 3(1), 22–28.

 

Monika, N. E., Yusniar, M. W., & Dalimunthe, R. F. (2017). Analisis teknikal menggunakan indikator macd untuk membeli dan menjual dalam perdagangan saham. Prosiding Seminar Nasional ASBIS 2017, 1(Perusahaan Sub Sektor Perbankan di BEI), 299–307.

 

Novita, A. (2013). Prediksi Pergerakan Harga Saham Pada Bank Terbesar Di Indonesia Dengan Metode Backpropagation Neural Network. JUTISI, 5(1), 887–1021.

 

Parmadi, W. T., & Sukojo, B. M. (2016). Analisa Ketelitian Geometric Citra Pleiades Sebagai Penunjang Peta Dasar RDTR. 5(2).

 

Purwanti, S. A. (2016). PENGARUH KEPEMIMPINAN HR SUPERVISOR PT . MATAHARI DEPARTMENT STORE MALL LEMBUSWANA SAMARINDA. EJournal Administrasi Bisnis, 4(2), 356–370.

 

Ramadania, R. (2018). Peramalan Harga Beras Bulanan Di Tingkat Penggilingan Dengan Metode Weighted Moving Average. Bimaster, 7(4), 329–334. Retrieved from http://jurnal.untan.ac.id/index.php/jbmstr/article/view/28402/75676578415

 

Santosa, P. W. (2010). Analisis Kinerja Fundamental dan Persepsi Pasar PT Astra Agro Lestari , Tbk. Jurnal Dikta Ekonomi, 7(1), 1–18.

 

Setiawan, B. (2015). Teknik Hitung Manual Analisis Regresi Linear Berganda Dua Variabel Bebas. In Teknik Praktis Analisis Data Penelitian Sosial dan Bisnis dengan SPSS (pp. 0–9). Bogor.

 

Siregar, A. M., & Puspabhuana, A. (2017). DATA MINING Pengolahan Data Menjadi Informasi dengan Rapid Miner. Surakarta: CV Kekata Group.

 

Wahyudi, T., Indrajit, R. E., & Muh. Fauzi. (2017). Pemanfaatan Status Kredit Nasabah Untuk Mengevaluasi Pembiayaan Kpr Pada Bank Muamalat. PEMANFAATAN STATUS KREDIT NASABAH UNTUK MENGEVALUASI PEMBIAYAAN KPR PADA BANK MUAMALAT INDONESIA MENGGUNAKAN DATA MINING, 13(November), 1–2. Retrieved from jurnal.umj.ac.id/index.php/semnastek

 

Waworundeng, J. H., & Rate, P. Van. (2018). ANALISIS HUBUNGAN PASAR MODAL ASEAN DENGAN PASAR MODAL INDONESIA DI BURSA EFEK INDONESIA. Jurnal EMBA, 6(1), 271–280.