IMPLEMENTASI MACD DALAM MEMPREDIKSI HARGA SAHAM MENGGUNAKAN MACHINE LEARNING

Abstract

            The difficult to predict fluctuations in stock prices demand precise analytical methods for investors to minimize risks. This study aims to evaluate the effectiveness of the MACD technical indicator and the SVR algorithm in forecasting stock prices. Monthly historical data of Adaro Energy Indonesia's stock prices (ADRO.JK) from January 2021 to December 2022 was used as the research sample. This method employs MACD to identify trends and SVR as a Machine Learning model. The results show that MACD is more accurate than SVR in predicting price trends, with MAPE values of 4,39% and 9,81%, respectively. The evaluation indicates that combining MACD with hybrid models can improve prediction accuracy, particularly in dynamic market conditions. However, this study is limited by the data scope, which only covers a single stock and a specific time range, thus limiting the generalizability of the results to the broader stock market.

            Fluktuasi harga saham yang sulit diprediksi menuntut metode analisis yang tepat bagi investor untuk meminimalkan risiko. Penelitian ini bertujuan untuk menguji efektivitas indikator teknikal MACD dan SVR dalam memprediksi harga saham. Data historis harga saham bulanan Adaro Energy Indonesia (ADRO.JK) dari Januari 2021 hingga Desember 2022 digunakan sebagai sampel penelitian. Metode ini memanfaatkan MACD untuk identifikasi tren dan SVR sebagai model Machine Learning. Hasil penelitian menunjukkan bahwa MACD lebih akurat dibandingkan SVR dalam memprediksi tren harga, dengan nilai MAPE masing-masing sebesar 4,39% dan 9,81%. Evaluasi mengindikasikan bahwa kombinasi MACD dan model hybrid dapat meningkatkan akurasi prediksi, terutama pada kondisi pasar yang dinamis. Penelitian ini memiliki keterbatasan pada ruang lingkup data yang hanya mencakup satu saham dan rentang waktu terbatas, sehingga hasilnya tidak dapat digeneralisasi untuk seluruh pasar saham.