Abstrak
Hal terpenting yang dilakukan oleh investor untuk mengurangi resiko dan menghitung hasil investasi salah
satunya seleksi saham untuk pembuatan portofolio. Seleksi portofolio merupakan permasalahan yang
kerap dijumpai dalam investasi saham. Hal ini menarik perhatian para komunitas machine learning untuk
mengembangkan sistem yang bisa menyeleksi data saham dan menghasilkan return yang maksimal. Oleh
karena, itu kami memilih algoritma “Online Portofolio Selection” untuk seleksi portofolio. Namun untuk
seleksi portfolio membutuhkan analisis pasar saham yang bisa mendeteksi tren saham dengan aman.
Secara empiris, moving average merupakan salah satu cara dalam menentukan tren saham dengan
performa yang baik untuk dataset besar. Dari sekian banyak moving average kami menggunakan Moving
Average Reversion (MAR) karena dapat memprediksi harga saham selanjutnya. Gabungan dari algoritma
seleksi portofolio menggunakan Online Portofolio Selection yang dapat memaksimalkan return dan Moving
Average Reversion yang dapat memprediksi harga saham selanjutnya, kami sebut dengan Online Moving
Average Reversion (OLMAR). Dari hasil penelitian kami, OLMAR memberikan performa yang sangat
baik. Selain menghasilkan return yang tinggi, OLMAR juga bekerja sangat cepat.