Text
Penerapan Model Autoregressive Fractionally Integrated Moving Average Dengan Efek Garch (ARFIMA – GARCH) Untuk Prediksi Harga Saham PT. Bank Mandiri Tbk
Investasi merupakan instrumen penting dalam mendorong pertumbuhan ekonomi yang ada
di suatu negara. Salah satu bentuk investasi yang paling banyak diminati oleh para investor adalah
saham. Data saham merupakan data runtun waktu atau merupakan jenis data yang direkam dalam
periode waktu yang sama pada jangka waktu yang relatif panjang. Saham PT. Bank Mandiri
mengalami kenaikan dan penurunan di setiap waktu sehingga sulit untuk diprediksi. Fenomena
tersebut dideteksi sebagai kejadian yang mengikuti proses long memory. Long memory merupakan
kondisi ketika setiap observasi memiliki korelasi yang cukup kuat dengan observasi lain walaupun
jarak tiap observasi cukup jauh. Fenomena ini dapat diatasi dengan memodelkan data runtun waktu
dengan model Autoregressive Fractionally Integrated Moving Average (ARFIMA). Model
ARFIMA memiliki asumsi bahwa residual berdistribusi normal, saling bebas, dan homogen. Akan
tetapi, pada data finansial banyak terjadi kasus varian residual yang tidak konstan. Hal ini dapat
diatasi dengan memodelkan varian residual menggunakan model Autoregressive Conditional
Heteroskedasticity/Generalized Autoregressive Conditional Heteroskedasticity
(ARCH/GARCH). Pada penelitian ini, data yang digunakan adalah data harian penutupan harga
saham Bank Mandiri pada tanggal 8 September 2015 sampai dengan 20 Januari 2022. Model
terbaik yang didapatkan adalah model ARFIMA (1,0,9004201,1) – GARCH (1,1) dengan nilai
MAPE dari data training sebesar 1,02%. Hal ini menunjukkan bahwa model sangat baik digunakan
untuk meramalkan harga saham PT. Bank Mandiri ke depannya.
Kata Kunci: Harga saham, PT. Bank Mandiri, permalan, long memory, ARFIMA, GARCH,
MAPE.
943e2022 | 943 E 2022 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain