@thesis{thesis,
		author={Karmayuda  Anis Naufal},
		title ={Machine Learning Untuk Pemodelan Pergerakan Harga Saham PT Telkom Indonesia TBK},
		year={2021},
		url={http://eprints.upj.ac.id/id/eprint/2388/},
		abstract={PT Bursa Efek Indonesia melaporkan bahwa terjadi penambahan investor baru 
sebesar 28% sepanjang 2020. Saham merupakan salah satu instrumen pasar modal 
yang paling diminati investor karena memberikan tingkat keuntungan yang 
menarik. Pergerakan harga saham fluktuatif. Oleh karena itu, dibangun model 
machine learning untuk memprediksi pergeseran harga saham khususnya PT 
Telkom Indonesia Tbk. Tujuan dari penelitian ini adalah mengimplementasi K?Nearest Neighbours (K-NN) dan Extreme Gradient Boosting (XGBoost) kedalam 
model prediksi untuk mengetahui pergerakan harga saham PT Telkom Indonesia 
dan membandingkan model prediksi dengan algoritma K-NN dan XGBoost.
Metode penilitian yang diterapkan adalah penelitian historis. Penelitian historis 
meliputi kegiatan penyelidikan, pemahaman, dan penjelasan keadaan yang telah 
lalu. Tipe data yang digunakan pada penelitian ini adalah data sekunder. Data 
Sekunder adalah data yang didapatkan dari pihak ketiga. Data diperoleh dari portal 
data Yahoo finance yaitu https://finance.yahoo.com. Data yang diperoleh berupa 
time series data pergerakan harga saham PT Telkom dari april 2016 hingga april 
2021. Metode pengujian yang dilakukan dalam penelitian ini adalah dengan white 
box testing. Penelitian ini menghasilkan model machine learning untuk prediksi 
pergerakan harga saham PT.Telkom menggunakan algoritma machine learning K?NN dan XGBoost. Evaluasi mendapatkan RMSE 0,03373 untuk model dengan 
algoritma K-NN dan RMSE 0,03667 untuk model dengan algoritma XGBoost. 
Model dengan algoritma K-NN lebih baik daripada XGBoost dalam memprediksi 
pergerakan harga saham PT.Telkom}
		}