A Genetic Algorithm Hyper-parameter Optimization of Ensemble Approach: Strategi Prediksi Saham Mempertimbangkan Indikator Teknikal & Sentimen Berita

Investor harus memprediksi saham dengan tepat agar keuntungan maksimal sekaligus terhindar kebangkrutan. Namun bursa saham sulit dideteksi situasinya. Perilakunya berubah-ubah dipengaruhi berbagai faktor seperti situasi politik, ekonomi perusahaan dan global, maupun ekspektasi investor yang tersedia melalui berita. Penelitian ini bertujuan mengembangkan model yang dapat memprediksi saham lebih akurat mengkombinasikan indikator teknikal saham dan sentimen berita. Genetic algorithm (GA) mengoptimalisasi beberapa ensemble decision tree-based yang ditumpuk menggunakan metode stacked-generalization dengan konsep meta-learner digunakan dalam penelitian ini. Terdapat lima tahapan utama metodologi, dimulai pengumpulan data saham dan berita, praproses data, ekstraksi fitur indikator teknikal dan sentimen serta analisis data, selanjutnya pengembangan model. Serangkaian uji coba parameter crossover dan mutasi GA memberi hasil optimum pencarian kombinatorik hyper-parameter model dengan accuracy 81.63% dan f1-score 82.21%. Evaluasi model terhadap kombinasi jenis dataset mampu meningkatkan accuracy prediksi dari 75.91% menajdi 81.63%, dan f1-score dari 77.56% menjadi 82.21%. Terhadap evaluasi trading, metode yang diusulkan terbukti memberi return yang fantastis sebesar 121.27% dalam setahun, dengan nilai maximum drawdown yang paling kecil juga nilai sharpe ratio yang tinggi. Evaluasi tersebut melampaui hasil penelitian serupa terdahulu, bahkan jauh diatas performa pergerakan saham itu sendiri terindikasi melalui strategi buy & hold