ANALISIS FEATURE IMPORTANCE TERHADAP HARGA PENUTUPAN SAHAM BBRI MENGGUNAKAN RANDOM FOREST

Abstract

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi fluktuasi harga penutupan saham PT Bank Rakyat Indonesia (Persero) Tbk (BBRI) menggunakan data historis periode 2015–2024 melalui penerapan algoritma machine learning berbasis Random Forest, serta mengevaluasi kontribusi masing-masing variabel prediktor menggunakan metode Permutation Importance. Tahapan metodologi meliputi pengumpulan data, pembersihan dataset, hingga rekayasa fitur (feature engineering) seperti Close_Lag1, Open_Lag1, High_Low_Range, dan Volume_Lag1. Normalisasi data dilakukan menggunakan teknik MinMaxScaler dengan pembagian data secara kronologis (80% data latih dan 20% data uji). Eksperimen menggunakan RandomForestRegressor dengan parameter n_estimators=150 dan max_depth=10 menghasilkan nilai Root Mean Squared Error (RMSE) sebesar 491,96 dan R-squared (R²) sebesar 0,0624. Meskipun kemampuan prediksi secara statistik terbatas, analisis Permutation Importance berhasil mengidentifikasi fitur 'Low' dan 'High' sebagai prediktor paling signifikan. Hasil ini menekankan tingginya kompleksitas pasar modal dan menyarankan pentingnya eksplorasi variabel makroekonomi serta penggunaan model time series yang lebih canggih seperti LSTM untuk penelitian mendatang.