Penerapan Data Mining untuk Prediksi Pergerakan Harga Saham Menggunakan Algoritma K-Nearest Neighbor

Abstract

Pergerakan harga saham merupakan fenomena yang kompleks dan dipengaruhi oleh berbagai faktor, sehingga menjadi tantangan dalam melakukan prediksi yang akurat. Algoritma K-Nearest Neighbor adalah salah satu metode klasifikasi yang digunakan dalam data mining untuk mengklasifikasikan data ke dalam kelas tertentu berdasarkan kedekatannya dengan tetangga terdekat dalam hal atribut atau variabel. Penelitian ini bertujuan untuk mengetahui implementasi metode K-Nearest Neighbor dalam memprediksi pergerakan harga saham. Penelitian ini menggunakan data historis harga saham sebagai data latih untuk melatih model K-Nearest Neighbor. Proses pelatihan melibatkan identifikasi dan perangkingan saham-saham yang memiliki karakteristik serupa berdasarkan data historis. Pengujian dilakukan menggunakan software rapidminer, yang merupakan sebuah software data mining yang menyediakan akses ke berbagai metode analisis data. Rapidminer memungkinkan para peneliti untuk mengakses dan menggunakan berbagai metode yang ada dalam data mining untuk analisis data secara efisien. Pada penelitian ini, ditemukan model prediksi dengan tingkat accuracy tertinggi sebesar 62,54%, precision sebesar 64,14%, dan recall sebesar 92,08%. Hasil ini diperoleh dengan menggunakan nilai k=53 pada random data ke-6 dalam data set ke-2.