Investasi merupakan kegiatan yang dapat digunakan untuk memeroleh keuntungan dimasa depan. Salah satu produk dari investasi yakni saham. Saham merupakan surat bukti kepemilikan modal pada suatu perusahaan. Saham termasuk kedalam investasi dengan resiko tinggi yakni peluang untuk memeroleh keuntungan yang besar akan tetapi juga diikuti oleh peluang kerugian yang besar juga. Hal ini dikarenakan oleh pergerakan harga saham yang fluktuatif. Dalam menentukan keputusan agar nantinya mendapat keuntungan pada umumnya menggunakan dua teknik yakni analisis teknikal dan analisis fundamental. Analisis teknikal merupakan cara menganalisis dengan melakukan evaluasi berdasarkan data statistik yang dihasilkan dari aktifitas perdagangan saham. Metode yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). SVM mempunyai kelemahan yakni banyaknya variabel akan memengaruhi akurasi dan sulit dalam penentuan parameter. Untuk mengatasi masalah ini digunakan optimasi Principal Component Analysis (PCA) untuk mereduksi banyaknya variabel dan Particle Swarm Optimization (PSO) untuk membantu dalam penentuan parameter yang optimal.

Penelitian ini bertujuan untuk menerapkan metode optimasi hybrid PCA-PSO pada SVM untuk data harga saham Bank Central Asia (BBCA). SVM merupakan metode supervised learning dengan mencari maximum marginal hyperplane. Data yang digunakan pada penelitian ini merupakan data sekunder yang bersumber website Yahoo Finance dari 2 Januari 2020 sampai 30 Mei 2023. Jumlah data yang diperoleh adalah 829 data. Data yang diperoleh setelah preprocessing adalah 770 data dengan 19 variabel. Penelitian ini diawali dengan mereduksi variabel data untuk mengoptimalkan beban komputasi menggunakan PCA. Hasil dari PCA yakni dipilih 6 Principal Component atau variabel baru dengan variance 95%. Selanjutnya, data dibagi menjadi data training dan data testing dengan proporsi masing-masing 80% dan 20%. Selanjutnya dilakukan training data menggunakan SVM-PSO untuk menghasilkan akurasi yang optimal.

Hasil penelitian diperoleh nilai parameter yang optimal dengan nilai regularization parameter (C) = 10000, tingkat toleransi kesalahan (?) = 0.002089, dan pengaruh satu titik data pelatihan yang memengaruhi pemilihan batas keputusan (?) = 0.001. peramalan harga saham BBCA menggunakan PCA-SVM-PSO menunjukkan akurasi nilai MAPE 1.14% termasuk dalam kategori akurasi yang sangat baik.