Abstract:
Dalam dunia keuangan modern, sudah tidak jarang perusahaan menerbitkan saham untuk mengumpulkan modal dari trader. Dari pihak pembeli trader, saham menawarkan potensi untuk menumbuhkan kekayaan individu, namun membeli saham juga melibatkan risiko dan ketidakpastian, yakni turunnya harga saham saat mempertimbangkan untuk dijual dibandingkan harga saham saat dibeli. Dalam skripsi ini, algoritma random forest digunakan untuk melakukan prediksi tingkat pengembalian saham yang dapat membantu trader untuk membuat keputusan investasi guna memitigasi risiko. Random forest adalah pengembangan dari algoritma regression tree untuk mengurangi variansi dan meningkatkan akurasi hasil prediksi. Model random forest digunakan untuk memprediksi tingkat pengembalian saham dari data bulanan indeks saham LQ45 di sektor perbankan selama awal bulan Februari 2019 hingga akhir bulan Januari 2023, kemudian menentukan saham yang terbaik untuk diinvestasikan. Alasan digunakan saham dari data bulanan indeks saham LQ45 di sektor perbankan adalah adanya peran sebagai indikator ekonomis di indonesia dan banyaknya peminatan trader bahkan dari luar negara dalam saham perbankan. Dapat dievaluasi plot longitudinal tingkat pengembalian saham dan hasil prediksi interval tingkat pengembalian saham individu setiap saham dalam indeks LQ45 di sektor perbankan. Berdasarkan observasi hasil penelitian, model random forest cukup baik dalam memprediksi tingkat pengembalian saham dengan hasil prediksi nilai tingkat pengembalian saham setiap saham masih sering berada dalam 95% confidence interval hasil prediksi dengan pengecualian saham ARTO yang berfluktuasi jauh di bawah nilai ekspektasi dan batas bawah confidence interval. Saham dengan potensi investasi terbaik dalam indeks LQ45 di sektor perbankan adalah BBCA dan BMRI.
