PERAMALAN HARGA SAHAM PT UNILEVER INDONESIA MENGGUNAKAN METODE HIBRIDA ARIMA-NEURAL NETWORK

Crisma Devika Setiawan, Winita Sulandari, Yuliana Susanti

Abstract


Saham merupakan salah satu instrumen investasi yang diminati oleh banyak investor dan memiliki tingkat keuntungan yang menarik. Saham dari PT Unilever merupakan salah satu saham yang aktif diperjual belikan dalam BEI dan tergabung dalam LQ45. Kinerja perusahaan ditunjukkan melalui harga saham dari perusahaan tersebut dan para investor perlu memprediksi harga sebuah saham untuk mengurangi resiko kerugian. Harga saham yang selalu berfluktuasi memungkinkan data historisnya memiliki hubungan linier dan nonlinier. Penelitian ini menggunakan metode hibrida ARIMA – Neural Network untuk memprediksi harga saham PT Unilever periode Januari hingga Desember 2019, karena metode ini digunakan untuk memprediksi runtun waktu yang linier maupun non linier. Hasil akhir penelitian ini menunjukkan bahwa model ARIMA terbaik adalah ARIMA (3,1,2) dengan nilai MAPE data latih 1.04% dan data uji 0.86%, sedangkan model hibrida terbaik adalah ARIMA (3,1,2) – NN (4,9,1) dengan nilai MAPE data latih dan data uji berturut adalah 1,03% dan 0,82%. Model hibrida memiliki nilai MAPE lebih kecil dibandingkan model ARIMA, tetapi tidak memberikan perbedaan hasil peramalan yang signifikan. Meskipun demikian model hibrida dapat menambah tingkat keakuratan peramalan pada harga saham unilever.

Full Text:

PDF

References


Box, G. E. P., Jenkins, G. M., & Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control (5th ed.). John Wiley and Sons.

Fitriani, B. E., Ispriyanti, D., & Prahutama, A. (2015). Peramalan Beban Pemakaian Listrik Jawa Tengah dan Daerah Istimewa Yogyakarta dengan Menggunakan Hybrid Autoregresive Integrated Moving Average – Neural Network. Jurnal Gaussian, 4(4), 745–754.

Hanke, J. E., & Wichern, D. (2014). Business Forecasting (9th ed.). Pearson.

Indriawati, E., Hidayati, A. N., & Fuadilah Habib, M. A. (2022). Pengaruh Net Profit Margin (NPM), Return On Asset (ROA), Earning Per Share (EPS), dan Debt to Equity Ratio (DER) Terhadap Return Saham Sektor Consumer Goods Industry Pada Bursa Efek Indonesia Periode 2017-2021. Fair Value: Jurnal Ilmiah Akuntansi Dan Keuangan, 4(9), 3933–3941.

Justica, A., Adzkiya, A., N, A. F., Pravitasari, A. A., & Indrayatna, F. (2021). Prediksi Harga Saham UNVR Menggunakan Autoregressive Integrated Moving Average. Prosiding Semnas, Snso.

Muis, S., & Setiyadi, D. (2020). Model Statistik Arima dalam Meramal Pergerakan Harga Saham. Information System for Educators and Professionals, 4(2), 154–167.

Qamara, L. N., Wahyuningsih, S., & Amijaya, F. D. T. (2019). Peramalan Harga Minyak Mentah Menggunakan Model Autoregressive Integrated Moving Average Neural Network (ARIMA-NN). Jurnal Eksponensial, 10(2), 127–134.

Susilawati, C. D. K. (2012). Analisis Perbandingan Pengaruh Likuiditas , Solvabilitas , dan Profitabilitas Terhadap Harga Saham pada Perusahaan LQ 45. Jurnal Akuntansi, 4(2), 165–174.

Trimulya, A., Sfaifurrahman, & Setyaningsih, F. A. (2015). Implementasi Jaringan Syaraf Tiruan Metode Backpropagation untuk Memprediksi Harga Saham. Coding, 03(2), 66–75.

Wei, W. W. (2006). Time Series Analysis: Univariate and Multivariate Methods (2nd ed.). Pearson Education.

Wibowo, F. D., Dang, T. T., & Wang, C. N. (2022). Forecasting Indonesia Stock Price Using Time Series Analysis and Machine Learning in R. Indonesian Scholars Scientific Summit Taiwan Proceeding, 4(August), 103–108.

Wulandari, A. I., & Badjra, I. B. (2019). Pengaruh Profitabilitas Terhadap Harga Saham pada Perusahaan LQ-45 di Bursa Efek Indonesia (BEI). E-Jurnal Manajemen, 8(9), 5722–5740.

Yahoo Finance. (2019). Stock Price. https://finance.yahoo.com/quote/UNVR.JK/history?p=UNVR.JK

Zhang, P. G. (2003). Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model. Neurocomputing, 50, 159–175.




DOI: https://doi.org/10.30998/semnasristek.v7i1.6270

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: