Dalam artikel sebelumnya, kita telah membahas ancaman Curse of Dimensionality (Kutukan Dimensi Tinggi), di mana memasukkan terlalu banyak fitur atau indikator ke dalam model machine learning justru dapat menurunkan akurasi prediksi Anda. Fenomena ini berkaitan erat dengan peaking phenomenon—sebuah kondisi di mana setelah model mencapai jumlah fitur optimal, penambahan fitur baru setelah titik tersebut justru meningkatkan kesalahan klasifikasi (classification errors).
Bagi Anda yang sedang membangun model AI untuk memprediksi arah pergerakan saham, mengumpulkan ratusan indikator teknikal (seperti RSI, MACD), data fundamental (seperti valuasi saham dan rasio keuangan), serta volume perdagangan memang sangat mudah. Namun, tantangan terbesarnya adalah bagaimana cara menyaring dan memilih indikator yang benar-benar berpengaruh?
Di sinilah pentingnya Feature Selection (Pemilihan Fitur). Mari kita ulas bagaimana taktik ini bekerja untuk menyelamatkan model AI saham Anda dari overfitting!
Apa Itu Feature Selection?
Dalam feature engineering, Feature Selection adalah proses memilih subset fitur atau variabel yang paling relevan dari dataset asli Anda untuk digunakan dalam pembangunan model.
Tujuan utamanya sangat jelas:
- Mencegah Overfitting: Membuang data sampah (noise) agar model tidak mempelajari pola acak yang tidak relevan.
- Meningkatkan Akurasi: Fokus hanya pada variabel yang memiliki korelasi kuat dengan keputusan arah saham (“Beli” atau “Jual”).
- Menghemat Waktu Komputasi: Sangat penting untuk algoritma lazy learning seperti KNN yang sangat bergantung pada kapasitas memori aktif saat melakukan prediksi (inference).
3 Metode Feature Selection untuk Data Saham
Untuk menyaring indikator keuangan yang melimpah, Anda dapat menggunakan tiga pendekatan utama dalam machine learning:
1. Filter Methods (Metode Penyaringan)
Metode ini menyaring fitur secara independen sebelum model machine learning dilatih. Fitur dinilai berdasarkan metrik statistik (seperti korelasi Pearson atau Chi-Square) untuk melihat seberapa kuat hubungannya dengan target prediksi (misalnya, arah harga saham).
- Penerapan pada Saham: Anda dapat menghitung korelasi antar indikator teknikal. Jika indikator SMA 5 Hari dan SMA 10 Hari memiliki korelasi hampir 95% (sangat mirip), Anda bisa membuang salah satunya karena bersifat redundan (menghindari duplikasi informasi).
2. Wrapper Methods (Metode Pembungkus)
Metode ini menggunakan model machine learning sebagai “alat evaluasi” untuk menguji kombinasi fitur yang berbeda. Algoritma akan mencoba melatih model dengan beberapa subset fitur, lalu mengukur akurasinya. Proses ini diulang hingga ditemukan kombinasi fitur yang menghasilkan performa terbaik.
- Penerapan pada Saham: Metode seperti Forward Selection (mulai dari 1 fitur lalu ditambah bertahap) atau Backward Elimination (mulai dari semua fitur lalu dikurangi satu per satu) sangat bagus untuk menguji interaksi antar rasio valuasi saham. Namun, metode ini membutuhkan daya komputasi yang besar.
3. Embedded Methods (Metode Tertanam)
Metode ini melakukan pemilihan fitur secara otomatis bersamaan dengan proses pelatihan model itu sendiri. Beberapa algoritma memiliki mekanisme bawaan yang dapat menghukum (penalize) fitur-fitur yang tidak penting atau memberikan skor kontribusi untuk setiap fitur.
- Penerapan pada Saham:
- Lasso Regression (L1 Regularization): Algoritma regresi yang dapat memaksa koefisien fitur yang tidak penting menjadi tepat nol, secara efektif mengeliminasi fitur tersebut dari model.
- Decision Trees dan Random Forest: Algoritma berbasis pohon ini secara alami menghasilkan metrik Feature Importance, yang menunjukkan indikator saham mana yang paling sering digunakan untuk membelah data (splitting) secara akurat.
Alur Kerja Feature Selection pada Analisis Saham
Sebagai contoh praktis, mari kita lihat bagaimana menyusun indikator keuangan sebelum dimasukkan ke model klasifikasi seperti KNN atau SVM:
- Koleksi Data Awal: Anda mengumpulkan data saham berupa 7 Valuasi Saham (P/E Ratio, PBV, dll), Indikator Teknikal (RSI, Bollinger Bands), dan pola volume. Total ada 30 fitur.
- Penerapan Filter: Anda membuang indikator yang memiliki korelasi terlalu tinggi satu sama lain untuk menghindari multikolinearitas.
- Reduksi Dimensi (Opsional): Jika fitur masih terlalu banyak, Anda bisa menggunakan teknik seperti Principal Component Analysis (PCA) untuk mengekstrak informasi penting dan memproyeksikannya ke ruang dimensi yang lebih rendah.
- Pelatihan Model: Melatih model KNN atau SVM dengan subset indikator terpilih. Hasilnya, model Anda akan berjalan jauh lebih cepat, hemat memori, dan memberikan prediksi rekomendasi investasi yang lebih stabil serta akurat.
Kesimpulan
Di pasar saham yang penuh dengan gangguan (noisy data), lebih banyak data tidak selalu berarti lebih baik. Dengan menerapkan teknik Feature Selection, Anda memurnikan data latih model AI Anda, menyisakan hanya sinyal-sinyal pasar yang paling valid. Ini adalah benteng pertahanan terbaik untuk menghasilkan keputusan transaksi yang konsisten dan terhindar dari jebakan overfitting.