ABSTRAK

Pada jual beli di bursa saham, prediksi saham memegang peranan penting bagi para
investor. Namun, prediksi harga saham menjadi tantangan karena dipengaruhi oleh
faktor-faktor yang sulit diprediksi, seperti kondisi pasar, kinerja perusahaan, dan
berita ekonomi. Oleh karena itu, penelitian ini bertujuan untuk menganalisis Time
Series harga penutupan saham Microsoft Corporation menggunakan algoritma
Random Forest (RF) dan mengoptimalkan parameter algoritma menggunakan
metode Optimize Parameter Grid. Data yang digunakan merupakan rentang waktu
1 Maret 1986 hingga 25 Mei 2023 dengan total 9378 catatan dan 6 atribut. Setelah
pengumpulan dan pengolahan data, yang mencakup verifikasi missing value, data
dibagi menjadi data training dan data testing menggunakan split validation
digunakan untuk membandingkan algoritma untuk memilih algoritma RF sebagai
model terbaik berdasarkan nilai RMSE terendah. Tingkat optimalisasi parameter
dicapai dengan mengoptimalkan parameter grid, dengan Number of trees dan Max
depth sebagai parameter yang dioptimalkan. Analisis T-Test Paired Two Sample
juga mengungkapkan perbedaan signifikan antara RMSE sebelum dan sesudah
optimasi. Sebagai kesimpulan, penelitian ini memberikan kontribusi substansial
terhadap penggunaan algoritma dan metode RF untuk mengoptimalkan parameter
grid dalam analisis Time Series penutupan harga, dengan potensi aplikasi yang
signifikan dalam keputusan investasi pasar saham.