Abstrak

Perdagangan saham telah menjadi bagian integral dari perekonomian global, dan telah menjadi sumber pendapatan bagi banyak investor di seluruh dunia. Harga saham di BEI terus berubah-ubah dari waktu ke waktu, yang mempengaruhi keputusan investor dalam melakukan investasi. Oleh karena itu, penting untuk memprediksi harga saham di BEI untuk membantu investor dalam mengambil keputusan investasi yang lebih baik. Pada penelitian ini, akan dilakukan perbandingan prediksi harga saham dengan menggunakan metode ARIMA, Random Forest dan XGBoost. Data yang digunakan pada penelitian ini adalah dataset harga saham PT Bank Rakyat Indonesia, Tbk. Dataset ini memiliki 788 record data dengan 6 kolom yaitu timestamp, open (harga pembukaan), low (harga terendah), high (harga tertinggi), close (harga penutupan) dan volume (jumlah transaksi jual beli saham). Pada penelitian ini akan dilakukan pembagian dataset dalam beberapa skenario pembagian data, yaitu 60:40, 70:30, 80:20, dan 90:10. Nilai RMSE yang didapatkan pada model ARIMA untuk setiap rasio pembagian data sebesar 216,59 pada pembagian 60:40, 216,59 pada pembagian 70:30, 260,22 pada pembagian 80:20, dan 171,27 pada pembagian 90:10. Pada model Random Forest untuk setiap rasio pembagian data sebesar 78,52 pada pembagian 60:40, 84,59 pada pembagian 70:30, 72,16 pada pembagian 80:20, dan 76,00 pada pembagian 90:10. Pada model XGBoost untuk setiap rasio pembagian data sebesar 86,95 pada pembagian 60:40, 91,34 pada pembagian 70:30, 79,30 pada pembagian 80:20, dan 78,43 pada pembagian 90:10.