Perbandingan Klasifikasi Pergerakan Harga Saham Pt. Astra Internasional Tbk Menggunakan Vector Auto Regressive (var) Stasioner Dan Logistic Regression

Abstract

Abstrak Saham merupakan satuan nilai dalam berbagai instrumen keuangan yang kini menjadi metode utama untuk meningkatkan modal bisnis. Harga saham yang bersifat fluktuaktif membuat diperlukannya metode yang tepat untuk memprediksi pergerakan harga saham untuk mengurangi kerugian yang terjadi. Dalam penelitian kali ini, dilakukan prediksi terhadap pergerakan harga saham menggunakan data harga saham harian pada PT Astra Internasional tbk dengan metode Vector Autoregressive (VAR) Stasioner dan Logistic Regression. Metode VAR merupakan metode deret waktu yang digunakan untuk memodelkan dan meramalkan secara simultan lebih dari satu variabel yang saling berkaitan. Sedangkan metode Logistic Regression merupakan metode analisis yang mendeskripsikan hubungan antara dua variabel dependen yang memiliki dua kategori atau lebih dengan satu atau lebih variabel independent yang berskala kategori atau kontinu. Penelitian ini menghasilkan kesimpulan bahwa metode Logistic Regression memberikan hasil yang cenderung lebih akurat yaitu nilai akurasi sebesar 69.60%, presisi 78.57% dan recall 46.80%, dibandingkan dengan metode Vector Autoregressive (VAR) yang menghasilkan nilai akurasi sebesar 50.98%, presisi 28.57%, dan recall 4.25%. Kata kunci : Saham, VAR Stasioner, Logistic Regression Abstract Stock is a unit of value in various financial instruments which is now the main method for increasing business capital. Fluctuating stock prices make the need for appropriate methods to predict stock price movements to reduce losses that occur. In this research, a prediction of stock price movements is carried out using daily stock price data on PT Astra International Tbk using Stationary Vector Autoregressive (VAR) and Logistic Regression methods. The VAR method is a time series method that is used to model and predict simultaneously more than one interrelated variable. While the Logistic Regression method is an analytical method that describes the relationship between two dependent variables that have two or more categories with one or more independent variables. This research concludes that the Logistic Regression method gives results that tend to be more accurate, namely an accuracy value of 69.60%, a precision of 78.57% and a recall of 46.80%, compared to the Vector Autoregressive (VAR) method which produces an accuracy value of 50.98%, 28.57% precision, and 4.25% recall. Keywords: Stock Price, VAR Stationary, Logistic Regression