Perbandingan Kinerja Metode Machine Learning Support Vector Machine (SVM), Random Forest, dan K-Nearest Neighbors (KNN) dalam Prediksi Harga Saham Apple

Abstract

Penelitian ini mengevaluasi kinerja tiga model machine learning SVM, Random Forest, dan KNN untuk memprediksi harga saham Apple. Menggunakan data historis saham, modelmodel tersebut dinilai berdasarkan metrik utama: Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R-Squared (R²). Hasil penelitian menunjukkan bahwa SVM adalah model dengan kinerja terbaik, dengan MSE sebesar 0.2637, MAE sebesar 0.2710, dan R² sebesar 0.9999, yang mencerminkan akurasi prediksi yang sangat baik dan keandalan yang tinggi. Model Random Forest menunjukkan kinerja yang cukup kompetitif dengan MSE sebesar 0.4781, MAE sebesar 0.3852, dan R² sebesar 0.9998. Sebaliknya, model KNN memiliki tingkat kesalahan tertinggi, dengan MSE sebesar 0.7938 dan R² sebesar 0.9997, sehingga kurang cocok untuk dataset ini. Temuan ini menegaskan bahwa SVM adalah model yang paling andal untuk memprediksi harga saham Apple secara akurat. Penelitian ini memberikan wawasan penting dalam pemilihan model pembelajaran mesin untuk prediksi deret waktu finansial, yang dapat mendukung pengambilan keputusan yang lebih baik dalam analisis pasar saham.