Description

Latar Belakang

Aset menjadi salah satu hal yang sangat penting dalam dunia kehidupan, dengan adanya aset berimbas kepada kehidupan tua yang terjamin, salah satu aset digital yang marak diperjual belikan adalah saham, dalam studi kasus ini akan membuat model prediksi saham Apple Inc.

Dasar Teori

1. Dataset

Dataset diambil dari https://finance.yahoo.com/quote/AAPL?p=AAPL&.tsrc=fin-srch

2. EDA

Saham mempunyai banyak fitur, dalam studi kasus ini saya akan menganalisa fitur "Close" sehingga outputnya adalah sebuah prediksi harga penutupan saham.

3. Preprocessing

• Windowing, metode ini dengan mengambil fitur hari ini sebagai nilai inisiasi, lalu akan menambahkan fitur lain dari kolom Close (jumlahnya disesuaikan) dengan parameter "shift(+1, +2, +3 ... n)" sehingga outputnya adalah harga close hari ini adalah harga open di hari esok, sedangkan close hari esok adalah harga open untuk lusa, dst.
• Preprocessing menggunakan MinMaxScaler untuk menscaling angka serta memperpendek jarak angka, nilai akan dikembalikan pada saat visualisasi data, sehingga data akan menggunakan angka real.

4. Modelling

• Linear Regression
• Decision Tree Regressor
• SVR

5. Evaluation

Evaluation menggunakan Mean Absolute Error, Mean Squared Error, dan Root Mean Squared Error.

Alat & Bahan

1. Laptop
2. Koneksi internet
3. Google Colab / Kaggle

Hasil

Kesimpulan dari project ini adalah Algoritma Linear Regressor menghasilkan performa terbaik dibanding 2 algoritma diatas dengan metode preprocessing windowing. Menghasilkan evaluasi nilai error paling rendah yaitu MAE (0.17), MSE (0.33) dan RMSE (0.57) sedangkan untuk evaluasi nilai error  Decision Tree Regressor menempati posisi kedua dengan nilai error MAE (0.26), MSE (0.78) dan RMSE (0.88), peringkat terakhir diduduki oleh Algoritma SVR dengan evaluasi nilai error MAE (0.44), MSE (10.01) dan RMSE (3.16).