IDENTIFIKASI KARAKTERISTIK JAKARTA ISLAMIC INDEX DENGAN MENGGUNAKAN ALGORITMA K-MEANS
DOI:
https://doi.org/10.46984/sebatik.v22i2.312Keywords:
Data Mining, Algoritma k-Means, Harga SahamAbstract
Investor memerlukan informasi pergerakan harga saham dan variabel ekonomi yang mempengaruhi naik-turunnya harga saham. Penelitian ini bertujuan mengidentifikasi karakteristik harga saham, bagaimana hubungan inflasi, kurs dan suku bunga terhadap harga saham JII. Pengetahuan yang ditemukan akan membantu investor untuk berinvestasi lebih cerdas. Jakarta Islamic Index (JII) adalah salah satu indeks saham yang menghitung indeks harga rata-rata saham untuk jenis saham yang memenuhi kriteria syariah. Pergerakan harga saham JII disajikan setiap hari berdasarkan harga penutupan di bursa efek pada hari tersebut. Data pergerakan saham terus bertambah dan menciptakan data yang besar atau gunungan data. Dalam gunungan data tersebut, tersembunyi pengetahuan dan informasi yang dapat ditemukan dengan menggunakan teknik data mining. Data mining merupakan sebuah teknologi baru yang powerful dengan potensi yang luar biasa untuk membantu institusi menemukan pengetahuan berharga di dalam database. Dalam penelitian ini data yang akan dianalisa adalah data pergerakan harga saham JII dan beberapa variabel ekonomi makro yang mempengaruhinya yang digunakan sebagai kriteria. Kemudian data tersebut akan dikelompokkan dengan menggunakan algoritma k-Means. Algoritma k-Means akan mengelompokkan objek-objek yang memiliki kemiripan ke dalam sebuah cluster. Cluster yang terbentuk merepresentasikan karakteristiknya masing-masing. Dalam penelitian ini ditemukan pengetahuan dari cluster yang terbentuk bahwa nilai suku bunga, kurs dan inflasi berbanding terbalik dengan harga saham.
References
Condrobimo, A. Raharto, Sano, Albert V Dian dan Nindito, Hendro. 2016. The Application of K-Means Algorithm for LQ45 Index on Indonesia Stock Exchange. ComTech, Vol. 7 No 2. June 2016. 151-159.
Erdisna, Mayola dan Vitriani. 2016. Data Mining’s Clustering To Find Rainfall Characteristic Using K-Means Algorithm. ASEAN Comparative Education Research Network Conference.
Momeni, Mansoor., Mohseni &, Soofi. 2015. Clustering Stock Market Companies Via K-Means Algorithm. Kuwait Chapter of Arabian Journal of Business and Management Review Vol. 4, No.5; January. 2015, 20(1), 22-29.
Murugan, K, dkk. 2013. Data Mining Using Integration of Clustering and Decision Tree, International Journal of Recent Advances in Engineering & Technology (IJRAET). ISSN (Online): 2347 - 2812, Volume-1, Issue -2.
Ong, Johan Oscar. 2013. Implementasi Algoritma K-Means Clustering Untuk Menentukan Strategi Marketing President University. Jurnal Ilmiah Teknik Industri, Vol. 12. No. 1.
Prayitno, Deden. 2015. Penerapan Association Rule Mining Pada Data Bursa Efek Indonesia Dengan Algoritma Apriori Untuk Memilih Saham Unggulan, Jurnal Teknologi, Volume 8 Nomor 2.
Silwattananusarn, Tipawan, and Kulthida. 2012. Data Mining and Its Applications for Knowledge Management: A Literature Review from 2007 to 2012, International Journal of Data Mining & Knowledge Management Process (IJDKP) Vol.2, No.5.
Suganthi, R. Dan Kamalakannan, P. 2015. Analyzing Stock Market Data Using Clustering Algoritm. International Journal of Future Computer and Communication, Vol. 4, No 2, April 2018, 108-111.
Wu, K.P., Wu, Y.P. and Lee, H.M. 2014. Stock Trend Prediction by Using K-Means and Apriori All Algorithm for Sequential Chart Pattern Mining. Journal of Information Science and Engineering. 30 (3), 653-667.
Downloads
Published
How to Cite
Issue
Section
License
Authors retain all their rights to the published works, such as (but not limited to) the following rights; Copyright and other proprietary rights relating to the article, such as patent rights, The right to use the substance of the article in own future works, including lectures and books, The right to reproduce the article for own purposes, The right to self-archive the article
