Predicting Next-Day Stock Price Direction Using XGBoost, Technical Indicators, and Macroeconomic Proxies: Evidence From LQ45 Stocks

Dimas Makarim Wibowo, Bowo Setiyono, S.E., M.Com., Ph.D., CFP., CACP.

2026 | Skripsi | MANAJEMEN

Penelitian ini mengevaluasi model klasifikasi biner XGBoost untuk memprediksi arah pergerakan harga saham pada hari perdagangan berikutnya (next-day stock price direction) untuk 16 saham LQ45 di Bursa Efek Indonesia selama periode 2015–2025. Dua spesifikasi model dibandingkan, yaitu model dasar yang menggunakan 16 indikator teknikal dan model yang diperluas dengan penambahan variabel proksi makroekonomi. Dengan menggunakan pipeline yang bebas dari data leakage, serta GridSearchCV dan validasi silang TimeSeriesSplit, model dasar mencapai rata-rata akurasi sebesar 53,0%, Matthews Correlation Coefficient (MCC) sebesar 0,046, dan ROC-AUC sebesar 0,530. Model yang diperluas meningkatkan nilai MCC pada 11 dari 16 saham, sehingga meningkatkan rata-rata akurasi menjadi 53,3?n ROC-AUC menjadi 0,532. Namun demikian, uji McNemar menunjukkan tidak terdapat perbedaan yang signifikan secara statistik pada kesalahan klasifikasi untuk seluruh saham. Analisis SHAP mengidentifikasi Average True Range, perubahan Accumulation Distribution Index, dan Stochastic K% sebagai prediktor yang paling dominan pada model dasar, sedangkan return Indeks Harga Saham Gabungan (IHSG) muncul sebagai salah satu dari lima kontributor terpenting pada model yang diperluas. Temuan penelitian ini sejalan dengan Adaptive Markets Hypothesis, yang menunjukkan bahwa prediktabilitas arah pergerakan harga saham di pasar ekuitas Indonesia bersifat parsial dan spesifik pada masing-masing saham.

This study evaluates an XGBoost binary classifier to predict the next-day stock price direction for 16 LQ45 stocks on the Indonesia Stock Exchange from 2015 to 2025. Two specifications are compared: a base model using 16 technical indicators and an extended model augmented with macroeconomic proxy variables. Using a leakage-free pipeline with GridSearchCV and TimeSeriesSplit cross-validation, the base model achieves a mean accuracy of 53.0%, MCC of 0.046, and ROC-AUC of 0.530. The extended model improves MCC for 11 of 16 stocks, raising mean accuracy to 53.3% and ROC-AUC to 0.532, though McNemar's test finds no statistically significant difference in classification errors for any stock. SHAP analysis identifies Average True Range, Accumulation Distribution Index Change, and Stochastic K% as the dominant predictors in the base model, while the Jakarta Composite Index return emerges as the top 5 contributor in the extended model. Findings are consistent with the Adaptive Markets Hypothesis, suggesting directional predictability in the Indonesian equity market is partial and stock specific.

Kata Kunci : XGBoost, stock price direction prediction, technical indicators, macroeconomic proxy variables, LQ45