Buku ini berjudul Rekayasa Fitur dan Model Hybrid untuk Analisis Pasar Saham membahas bagaimana data pasar saham diolah menjadi informasi prediktif yang akurat, transparan, dan bernilai bagi pengambilan keputusan keuangan. Pembahasan dimulai dari karakteristik pasar, tantangan data deret waktu, hingga proses rekayasa fitur untuk menangkap tren, momentum, volatilitas, dan pola harga. Selanjutnya, buku ini menguraikan pengembangan model hybrid yang memadukan CNN, BiGRU, dan mekanisme attention untuk meningkatkan kemampuan analisis terhadap dinamika pasar yang kompleks. Peran explainable artificial intelligence melalui SHAP turut dibahas guna memperjelas kontribusi setiap fitur terhadap hasil prediksi. Tidak hanya menonjolkan kinerja model, buku ini juga mengkaji validitas evaluasi, risiko kebocoran data, keterbatasan interpretasi, serta pentingnya tata kelola model. Dengan bahasa akademik yang mudah dipahami, monograf ini relevan bagi mahasiswa, peneliti, praktisi keuangan, akuntan, dan analis data yang ingin memahami penerapan machine learning secara kritis, bertanggung jawab, dan kontekstual dalam analisis pasar saham modern. Kehadirannya menjembatani teori komputasi, kebutuhan finansial, dan praktik penelitian yang berintegritas serta replikatif.
