EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost

Sari Lumbantoruan, Arnawati Duha, Tia Puji Astuti, Ahmad Jurnaidi Wahidin, Beni Rahmatullah, Ika Kurniawati

RIGGS: Journal of Artificial Intelligence and Digital Business · 05.12.2025 · 4 (4) · 3429-3438

DOI: 10.31004/riggs.v4i4.4158 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RIGGS: Journal of Artificial Intelligence and Digital Business, online erschienen am 05.12.2025. Verfasst von Sari Lumbantoruan und 5 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Prediksi harga saham merupakan salah satu aspek penting dalam pengambilan keputusan investasi, karena mampu membantu investor dalam mengantisipasi risiko dan mengoptimalkan keuntungan. PT Telkom Indonesia Tbk (TLKM) merupakan salah satu emiten blue chip di Bursa Efek Indonesia yang memiliki kapitalisasi pasar besar dan likuiditas tinggi, sehingga menarik untuk dianalisis dari sisi pergerakan harga sahamnya. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja tiga model machine learning, yaitu Linear Regression, Random Forest, dan XGBoost, dalam memprediksi harga penutupan saham TLKM berdasarkan data historis. Data yang digunakan merupakan data harga saham harian TLKM periode 7 November 2019 hingga 6 November 2024 yang diperoleh dari platform Kaggle, dengan variabel Date, Open, High, Low, Close, Adj Close, dan Volume. Tahapan penelitian meliputi pembersihan data, konversi rekayasa fitur berbasis informasi historis dan indikator teknikal seperti lag harga penutupan, moving average, volatilitas, dan return harian, serta pembagian data menjadi 80% data latih dan 20% data uji. Selanjutnya, ketiga model dibangun dan dievaluasi menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil pengujian menunjukkan bahwa Linear Regression memberikan kinerja paling baik dibandingkan Random Forest dan XGBoost, dengan nilai RMSE sebesar 8,13, MAE 6,15, MAPE 0,19%, dan R² 0,9997. Temuan ini mengindikasikan bahwa pada data saham TLKM dengan pola pergerakan yang relatif stabil, model linear sederhana masih mampu memberikan akurasi prediksi jangka pendek yang sangat tinggi dan dapat dijadikan alternatif yang efektif dibandingkan model ensemble yang lebih kompleks. .

Zitieren

APA

Lumbantoruan, S., Duha, A., Astuti, T. P., Wahidin, A. J., Rahmatullah, B., & Kurniawati, I. (2025). Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(4), 3429-3438. https://doi.org/10.31004/riggs.v4i4.4158

Vancouver

Lumbantoruan S, Duha A, Astuti TP, Wahidin AJ, Rahmatullah B, Kurniawati I. Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost. RIGGS: Journal of Artificial Intelligence and Digital Business. 2025;4(4):3429-3438. doi:10.31004/riggs.v4i4.4158

BibTeX
@article{Lumbantoruan2025,
  author = {Lumbantoruan, Sari and Duha, Arnawati and Astuti, Tia Puji and Wahidin, Ahmad Jurnaidi and Rahmatullah, Beni and Kurniawati, Ika},
  title = {Prediksi Harga Saham PT Telkom Indonesia Tbk (TLKM) Menggunakan Linear Regression, Random Forest, dan XGBoost},
  journal = {RIGGS: Journal of Artificial Intelligence and Digital Business},
  year = {2025},
  volume = {4},
  number = {4},
  pages = {3429--3438},
  doi = {10.31004/riggs.v4i4.4158}
}
Kostenlos starten →