Analisis Kinerja Algoritma Naive Bayes dalam Mendeteksi Sinyal Menggunakan Metode Principal Component Analysis

Muhammad Faishal Chaidir

Abstract


Melakukan analisis teknikal saat trading sangatlah penting agar terhindar dari kerugian. Penelitian ini bertujuan untuk memberi referensi tambahan kepada para trader dalam pengambilan keputusan, khususnya untuk saham PT. Resource Alam Indonesia Tbk (KKGI). Penelitian ini merupakan analisis teknikal yang menggunakan enam indikator yaitu Bollinger Band, MACD, Pivot Point, ADX, CCI, dan Stochastic. Setiap indikator memiliki beberapa atribut, jumlah keseluruhan atribut dari keenam indikator adalah 36. Untuk mereduksi data yang tidak begitu penting, penelitian ini menerapkan metode Principal Component Analysis (PCA). Kemudian data diproses menggunakan algoritma klasifikasi Naive Bayes pada perangkat lunak Weka 3.8 sehingga menghasilkan sinyal buy/sell. Hasil yang didapat dari penelitian ini yaitu berkas model yang optimal untuk mendeteksi sinyal jual/beli. Model ini berguna bagi para trader dalam mengambil keputusan untuk mendapatkan keuntungan maksimal.

Kata kunci : Analisis Teknikal, Naive Bayes, Principal Component Analysis, Weka


Keywords


Data Mining

Full Text:

PDF


DOI: https://doi.org/10.18860/mat.v13i2.13112

Refbacks

  • There are currently no refbacks.




Copyright (c) 2021 Muhammad Faishal Chaidir

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The journal is indexed by :

Dimensions Sinta CrossRef GoogleScholar
Index Copernicus Moraref Portal Garuda

 

_______________________________________________________________________________________________________________

Editorial Office:
Informatics Engineering Department
Faculty of Science and Technology
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jalan Gajayana 50 Malang, Jawa Timur, Indonesia 65144
Email: matics@uin-malang.ac.id
_______________________________________________________________________________________________________________

Creative Commons License
This work is licensed under a CC-BY-NC-SA 4.0.
© All rights reserved 2015. MATICS , ISSN : 1978-161X | e-ISSN :  2477-2550