PREDIKSI HARGA SAHAM ANEKA TAMBANG PERSERO TBK (ANTM) MENGGUNAKAN METODE MACHINE LEARNING

Abstract

Pasar saham merupakan indikator penting dalam menggambarkan kondisi ekonomi suatu negara. Salah satu saham yang fluktuatif dan strategis adalah saham PT Aneka Tambang Tbk (ANTM) yang bergerak di sektor pertambangan logam dan diperdagangkan di Bursa Efek Indonesia. Volatilitas harga saham ANTM yang tinggi menjadi tantangan bagi investor dan analis pasar untuk membuat keputusan investasi yang tepat. Oleh karena itu, penelitian ini mengangkat permasalahan bagaimana memodelkan dan memprediksi harga saham ANTM secara akurat berdasarkan data historis, serta menentukan metode machine learning yang paling efektif untuk digunakan. Tujuan dari penelitian ini adalah untuk membandingkan performa tiga algoritma machine learning, yaitu Random Forest, Support Vector Machine (SVM), dan Long Short-Term Memory (LSTM), dalam melakukan prediksi harga saham ANTM. Penelitian dilakukan dengan pendekatan kuantitatif, diawali dengan pengumpulan data historis harga saham ANTM, pra-pemrosesan data menggunakan normalisasi dan sliding window, pemodelan dengan ketiga algoritma, serta evaluasi menggunakan metrik MAE, RMSE, dan MAPE. Hasil menunjukkan bahwa Random Forest memiliki akurasi terbaik dengan nilai MAPE sebesar 3,91%, disusul LSTM dengan MAPE 4,18%, dan SVM dengan MAPE 17,01%. Dengan demikian, Random Forest dan LSTM terbukti efektif dalam memprediksi harga saham ANTM dan dapat menjadi referensi bagi investor dalam pengambilan keputusan investasi berbasis data.