Financial Instrument Prediction Using Information Retrieval Algorithm Approach on the Comparison of Tf-IDF, Bm25, and Cosine Similarity Methods

Abstrak

Penelitian ini bertujuan untuk mengembangkan sistem prediksi instrumen finansial yang inovatif menggunakan pendekatan algoritma Information Retrieval. Dalam era digitalisasi pasar keuangan yang semakin kompleks, investor membutuhkan alat bantu pengambilan keputusan yang akurat dan berbasis data. Tiga metode yang dibandingkan adalah Term Frequency-Inverse Document Frequency (TF-IDF), Best Matching 25 (BM25), dan Cosine Similarity. Data dikumpulkan dari Yahoo Finance mencakup 18 instrumen finansial dari berbagai kelas aset termasuk saham teknologi Amerika Serikat, saham blue chip Indonesia, Exchange Traded Funds, dan mata uang kripto. Metodologi penelitian merepresentasikan setiap instrumen sebagai dokumen tekstual berdasarkan indikator teknikal. Hasil penelitian menunjukkan ketiga metode memiliki korelasi peringkat tinggi dengan Spearman Correlation di atas 0.94. Metode BM25 memberikan performa terbaik dengan NDCG sebesar 0.8756 dan MAP sebesar 0.8124. Instrumen yang diprediksi mengalami kenaikan meliputi NVIDIA, AMD, Bitcoin, Amazon, dan Microsoft.