Prospek Saham pada Sektor Perbankan Berdasarkan Analisis Fundamental dan Machine Learning

  • Angraeni A Kitta Universitas Negeri Makassar
    (ID)
  • Syamsu Alam Universitas Negeri Makassar
    (ID)
  • Muh Jamil Universitas Negeri Makassar
    (ID)
Keywords: prospek saham, analisis fundamental, machine learning, LSTM, sektor perbankan

Abstract

Penelitian ini bertujuan untuk menganalisis prospek saham pada sektor perbankan di Indonesia dengan menggunakan analisis fundamental dan machine learning. Analisis fundamental melibatkan evaluasi rasio keuangan dan kinerja perusahaan, sementara pendekatan machine learning menggunakan metode LSTM (Long Short-Term Memory) untuk memprediksi harga saham. Data yang digunakan dalam penelitian ini adalah data saham dari empat bank besar di Indonesia, yaitu Bank Central Asia (BCA), Bank Rakyat Indonesia (BRI), Bank Mandiri (BMRI), dan Bank Negara Indonesia (BNI), yang tercatat di Bursa Efek Indonesia. Hasil penelitian menunjukkan bahwa analisis fundamental dapat memberikan wawasan mendalam mengenai kondisi keuangan dan prospek saham perbankan kedepannya. Di sisi lain, model machine learning LSTM menunjukkan akurasi tinggi dalam memprediksi pergerakan harga saham. Kombinasi kedua metode ini memberikan pandangan yang komprehensif bagi investor dalam membuat keputusan investasi yang lebih baik di sektor perbankan. Penelitian ini menyimpulkan bahwa penggunaan analisis fundamental dan machine learning secara bersamaan dapat meningkatkan akurasi prediksi dan memberikan keuntungan kompetitif bagi investor di pasar saham perbankan Indonesia.

References

Abdulmudy Reza. (2017). ANALISIS FUNDAMENTAL SAHAM YANG TERCATAT DI PASAR MODAL INDONESIA SEBAGAI DASAR PENGAMBILAN KEPUTUSAN INVESTASI (Riset Pada Perusahaan Textile Yang Go Public Di BEI). Jurnal Ilmu Ekonomi Adventage, 2(5), 64–71. http://www.e-samuel.com

Anggraeni, D. T. (2020). Peramalan Harga Saham Menggunakan Metode Autoregressive Dan Web Scrapping Pada Indeks Saham Lq45 Dengan Python. Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, 5(2), 137–144. https://doi.org/10.36341/rabit.v5i2.1401

Bursa Efek Indonesia. 2024. “PT Bursa Efek Indonesia.” Retrieved March 1, 2024 (https://www.idx.co.id/id).

Fernando, Achmad Youngky, Universitas Nusantara, Persatuan Guru, and Republik Indonesia. 2023. “SISTEM PERAMALAN ( FORECASTING ) SAHAM BCA . JK MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION.”

I Nyoman Cerdas Janastu, & Dhoriva Urwatul Wutsqa. (2024). Prediksi Harga Saham Pada Sektor Perbankan Menggunakan Algoritma Long Short-Term Memory. Jurnal Statistika Dan Sains Data, 1(2), 1–14. https://journal.student.uny.ac.id/index.php/jssd

Julian, R., & Pribadi, M. R. (2021). Peramalan Harga Saham Pertambangan Pada Bursa Efek Indonesia (BEI) Menggunakan Long Short Term Memory (LSTM). JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(3), 1570–1580. https://doi.org/10.35957/jatisi.v8i3.1159

Kan, D. A. 2021. “Analisis Fundamental Saham Perusahaan Perbankan Dengan Excess Return Model Dan Dividend Discount Model Sebagai Dasar ….” Jurnal Ilmiah Mahasiswa FEB.

Lilipaly, G. S., Hatidja, D., & Kekenusa, J. S. (2014). PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average). Jurnal Ilmiah Sains, 14(2), 60. https://doi.org/10.35799/jis.14.2.2014.5927

Milniadi, A. D., & Adiwijaya, N. O. (2023). Analisis Perbandingan Model Arima Dan Lstm Dalam Peramalan Harga Penutupan Saham (Studi Kasus : 6 Kriteria Kategori Saham Menurut Peter Lynch). SIBATIK JOURNAL: Jurnal Ilmiah Bidang Sosial, Ekonomi, Budaya, Teknologi, Dan Pendidikan, 2(6), 1683–1692. https://doi.org/10.54443/sibatik.v2i6.798

Metode, Implementasi, and Universitas Gunadarma. 2023. “Implementasi Metode Autoregressive Integrated Moving Average (ARIMA) Pada Aplikasi Peramalan Harga Saham Berbasis Website.” Jurnal Ilmiah Komputasi 22(1):105–12. doi: 10.32409/jikstik.22.1.3335.

Nurhayati, N. (2023). Aplikasi Metode ARIMA Box-Jenkins untuk Meramalkan Harga Saham PT. Bank Syariah Indonesia Tbk (BSI). http://repository.uinbanten.ac.id/id/eprint/11042%0Ahttp://repository.uinbanten.ac.id/11042/3/S_PBS_181420015_Bab I.pdf

Oktavia, T. A., Widodo, N. M., Rejeki, H., & Hartono, P. (2021). Analisis Fundamental Saham Sebelum Dan Sesudah Pandemi Covid-19: Studi Empiris Di Bursa Efek Indonesia. Monex, 10, 213–218.

Pradjanata, Y. (2023). Prediksi Harga Saham BCA (Harga Penutupan) Menggunakan Metode Long Short Term Memory. https://medium.com/@yosefina.0503/prediksi-harga-saham-BCA-harga-penutupan-menggunakan-metode-long-short-term-memory-8b245ee7f20a

Prasetyo, Juan Syidi. 2023. “Stock Price Prediction Using Machine learning With Long Short Therm Memory Method (LSTM).” Kilat 12(1):64–78. doi: 10.33322/kilat.v12i1.1723.

Riyantoko, Prismahardi Aji, Tresna Maulana Fahruddin, Kartika Maulida Hindrayani, and Eristya Maya Safitr I. 2020. “ANALISIS PREDIKSI HARGA SAHAM SEKTOR PERBANKAN MENGGUNAKAN ALGORITMA LONG-SHORT TERMS MEMORY (LSTM).” 2020:427–35.

Published
2024-09-15
How to Cite
A Kitta, A., Alam, S., & Jamil, M. (2024). Prospek Saham pada Sektor Perbankan Berdasarkan Analisis Fundamental dan Machine Learning. Bulletin of Economic Studies (BEST), 4(2), 130-138. https://doi.org/10.24252/best.v4i2.50124
Section
Artikel
Abstract viewed = 32 times