Perbandingan Algoritma K- Nearest Neighbor dan Naive Bayes Pada prediksi Harga saham Sektor Asuransi

Mengingat tingginya volatilitas pasar modal, kemampuan memprediksi pergerakan harga saham menjadi sangat krusial bagi investor dalam pengambilan keputusan strategis, khususnya pada sektor asuransi yang memiliki risiko yang dinamis. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu K- Nearest Neighbor (KNN) dan Naïve Bayes dalam memprediksi harga saham di sektor asuransi. Penelitian ini mengimplementasikan kedua algortima tersebut untuk memprediksi naik atau turunnya harga saham. Metode yang digunakan adalah metode kuantitatif komparatif, di mana instrumen pengumpulan data dilakukan melalui studi dokumentasi data sekunder berupa riwayat harga saham harian. Penelitian mengolah data harian dari lima perusahaan asuransi, yaitu asuransi Ramayana, Jasa Tania, Sinarmas, Tugu dan Panin, selama periode Mei 2023 hingga april 2025. Teknik analisis data dilakukan melalui beberapa tahapan, meliputi data cleaning, pembagian data, proses penerapan algoritma, serta evaluasi model. Data dibagi menjadi 80% untuk data latih dan 20% untuk data uji. Hasil kinerja model dievaluasi menggunakan confusion matrix, meliputi akurasi, recall, dan presisi. KNN secara konsisten lebih unggul dan stabil hampir di semua perusahaan yang diteliti. Akurasi KNN secara konsisten berkisar antara 92,84% hingga 97,63%. Presisi KNN juga kuat, berkisar antara 81,94% hingga 98,21%. Recall KNN juga sangat tinggi, bahkan mencapai 100%. Naïve Bayes menunjukan kinerja yang kurang konsisten dan bervariasi. Akurasi Naïve Bayes jauh lebih rendah pada perusahan Ramayana (64,03%) dan Jasa Tania (67,64%). Presisi Naïve Bayes sangat rendah pada saham Ramayana (34,29%) dan Jasa Tania (56,69%). Recall Naïve Bayes juga bervariasi. Pada nilai recall Naïve Bayes menghasilkan nilai yang bervariasi dan turun pada Jasa Tania (27,34%) dan Ramayana (30,70%).