Text
Penerapan Metode Smooth Transition Autoregressive (STAR) untuk Peramalan Return Saham Multi Bintang Indonesia (MLBI)
Metode runtun waktu merupakan metode yang digunakan untuk meramalkan
data pada periode mendatang menggunakan data pada periode masa lalu. Pola data
runtun waktu yang tebentuk dibedakan menjadi dua, yaitu pola data linier dan
nonlinier. Metode Smooth Transition Autoregressive (STAR) merupakan salah satu
metode untuk kasus data yang membentuk pola nonlinier yang menghubungkan dua
atau lebih model linier berdasarkan nilai variabel transisi dan fungsi transisi.
Pemodelan STAR dapat dibedakan menjadi dua berdasarkan fungsi transisinya, yaitu
pemodelan STAR dengan fungsi transisi logistik atau biasa dikenal dengan Logistic
Smooth Transition Autoregressive (LSTAR), dan pemodelan STAR dengan fungsi
transisi eksponensial atau biasa dikenal dengan Exponential Smooth Transition
Autoregressive (ESTAR). Data yang digunakan dalam penelitian ini adalah data
return saham perusahaan Multi Bintang Indonesia (MLBI). Data return saham MLBI
membentuk pola nonlinier sehingga metode yang digunakan adalah metode runtun
waktu nonlinier, yaitu pemodelan STAR. Model AR terbaik berdasarkan pengujian
signifikansi, pengecekan diagnosa dan nilai AIC yang diperoleh adalah AR[7,13].
Model AR[7,13] tersebut akan digunakan untuk membentuk model STAR(m,d).
Berdasarkan hasil pengujian dengan regresi bantu, fungsi transisi yang dipilih adalah
fungsi transisi eksponensial dan nilai delay yang dipilih adalah 1 sehingga model
yang terbentuk adalah ESTAR ([7,13],1). Ramalan data untuk periode 18 Oktober
2022 sampai 31 Oktober 2022 memiliki nilai MAPE sebesar 14,509975%. Peramalan
return saham Multi Bintang Indonesia menggunakan ESTAR ([7,13],1) dapat
dikatakan akurat karena memiliki nilai MAPE yang berada pada rentang 10-20%.
Kata kunci: Autoregressive, STAR, Nonlinier, Runtun Waktu
1097E2023 | 1097 E 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain