PENERAPAN ASSOCIATION RULE MINING PADA DATA BURSA EFEK INDONESIA DENGAN ALGORITMA APRIORI UNTUK MEMILIH SAHAM UNGGULAN
Abstrak: Banyak perusahaan
emiten yang menawarkan sahamnya kepada public dengan berbagai cara yang
bertujuan menarik perhatian public agar membeli sahamnya. Penelitian ini
dilakukan untuk menggambarkan pergerakan saham dari sudut pandang bidang
teknologi informasi. Semua emiten yang menjadi penelitian adalah yang tercatat
BEI (Bursa Efek Indonesia) yang telah diklasifikasikan ke dalam 9 sektor saham
menurut klasifikasi industri. Tujuan penelitian ini adalah melihat pergerakan
saham yang paling baik (dominan bergerak positip) dengan melihat adanya
hubungan saham antar emiten dan juga hubungan dengan Indeks harga saham
gabungan (IHSG), dimana hubungan tersebut dapat bernilai bergera positip (p),
negative (n) atau equal (e).
Sampel yang digunakan dengan memilih 18 perusahaan emiten dari pergerakan
saham selama 3 tahun (2011 – 2013) yang dipilih dengan metode penarikan sampel
yang dilakukan adalah metode purposive sampling (judgement sampling), yaitu 9
perusahaan dengan nilai saham terbesar dan 9 emiten dengan nilai saham terkecil
dari masing-masing sector saham. Teknik analisis menggunakan Association Rule
Mining (ARM) dengan algoritma Apriori dan program aplikasi EKA 3.6.10. Untuk
melihat hubungan antar emiten dan IHSG dengan melihat pada support (tingkat
seringnya muncul) dan confidence (tingkat kepercayaan adanya hubungan). Nilai
katagori menunjukan hubungan yang searah (positip), terbalik (negatip) ataupun
tidak adanya perubahan atas perubahan dari nilai saham lain (equal). Hasil
penelitian menunjukan adanya saham yang dominan dan bergerak positip, sehingga
dapat dipertimbangkan untuk dipilih sebagai investasi oleh calon investor.
Saham yang berasosiasi pada kelompok saham yang bernilai besar dengan nilai confidence
lebih dari 95 persen dan support 10% adalah ASII, BHIT dan BNII, dan untuk
saham bernilai kecil dengan support 30% adalah ARTA, RIMO, KICI dan KARW.
Penulis: Deden Prayitno
Kode Jurnal: jptinformatikadd150406
