PERBANDINGAN METODE KNN DAN KMEANS DALAM SISTEM PREDIKSI HARGA SAHAM ASII

Pasar modal konvensional di Indonesia memainkan peran penting dalam mendukung perkembangan ekonomi nasional dengan menyediakan perantara antara pemilik dana dan pihak yang membutuhkan dana. Astra International Tbk, sebuah perusahaan induk yang bergerak di berbagai sektor industri, menjadi salah satu entitas yang terlibat aktif dalam pasar modal ini.Penelitian ini menggunakan metode klasifikasi K-Nearest Neighbor (KNN) untuk memprediksi pergerakan saham Astra International Tbk (ASII). Dengan menggunakan parameter metrik perhitungan jarak metode Manhattan, pembobotan menggunakan distance, dan nilai K=11, metode ini menghasilkan akurasi testing sebesar 92%, presisi 92%, dan recall 99%. Setelah 144 kali percobaan, akurasi training mencapai 95%. Informasi pengelompokan melalui metode data mining, khususnya clustering, menjadi sangat penting dalam pengambilan keputusan investasi. Algoritma K- Means digunakan untuk mengelompokkan objek ke sejumlah K klaster. Sistem Prediksi Harga Saham ASII yang dirancang mampu memberikan informasi mendalam dan akurat mengenai tren saham ASII, baik dalam hal kenaikan maupun penurunan. Implementasi metode K-Means dan KNN dalam sistem ini meningkatkan keandalan dan akurasi prediksi pergerakan pasar, sehingga membantu pengguna dalam membuat keputusan investasi yang lebih tepat dan informatif.