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