Perbandingan Performa Model
Analisis komparatif 5 algoritma Machine Learning berdasarkan metrik MAE, RMSE, R², dan MAPE.
Tabel Metrik Evaluasi
| Model | MAE | RMSE | R² | MAPE (%) | Catatan |
|---|---|---|---|---|---|
| Linear Regression | 0.3958 | 0.5673 | 0.9968 | 0.24% | Baseline model |
| ANN | 1.2965 | 1.5538 | 0.9761 | 0.81% | Dense multilayer |
| LSTM | 3.4323 | 4.0718 | 0.8361 | 2.09% | Lookback 10 hari |
| K-Means | — | — | — | — | K=3, Sil=0.2954 |
| Backpropagation | 1.7348 | 2.0791 | 0.9573 | 1.07% | Conv.~epoch 2 |
MAE & RMSE per Model
Lebih kecil = lebih baik
R² Score per Model
Lebih besar = lebih baik (maks 1.0)
MAPE (%) per Model
Lebih kecil = lebih baik
Radar Performa
Skor dinormalisasi 0–1 (lebih besar = lebih baik)
Analisis & Interpretasi
Linear Regression
Sebagai model baseline, Linear Regression menunjukkan performa yang baik pada data yang memiliki tren linier kuat. Kelebihannya adalah interpretabilitas tinggi dan waktu training sangat cepat. Kelemahannya tidak mampu menangkap pola non-linier pada pergerakan harga saham yang kompleks.
ANN (Artificial Neural Network)
ANN mampu menangkap pola non-linier berkat arsitektur multilayer dengan BatchNormalization. Performa lebih baik dari Linear Regression karena dapat mempelajari hubungan kompleks antar fitur teknikal. Membutuhkan lebih banyak data dan waktu training dibanding model linear.
LSTM / RNN
LSTM dirancang khusus untuk data sekuensial dan time-series. Kemampuan menangkap dependensi jangka panjang menjadikannya sangat cocok untuk prediksi harga saham. Menggunakan lookback window 10 hari untuk konteks historis yang optimal.
K-Means Clustering
Digunakan sebagai analisis segmentasi kondisi pasar (Bullish/Sideways/Bearish). Tidak menghasilkan prediksi harga secara langsung, melainkan mengklasifikasikan kondisi pasar untuk mendukung keputusan investasi. Silhouette Score mengukur kualitas pemisahan cluster.
Backpropagation Manual
Implementasi neural network dari nol menggunakan NumPy menunjukkan pemahaman mendalam algoritma gradient descent. Menggunakan LeakyReLU, Huber Loss, dan learning rate decay untuk hasil yang lebih stabil. Performa kompetitif dengan ANN meski tanpa framework deep learning.
Ranking Model
Rekomendasi
Untuk Akurasi Tertinggi:
Gunakan LSTM untuk prediksi harga saham karena dirancang khusus untuk data time-series dengan memori jangka panjang.
Untuk Kecepatan:
Gunakan Linear Regression sebagai baseline cepat dengan interpretabilitas tinggi.
Grafik Hasil Training
Linear Regression
ANN
LSTM
Backpropagation
Perbandingan Semua Model
