ESTIMASI MODEL TERBAIK UNTUK PERAMALAN HARGA SAHAM PT. POLYCHEM INDONESIA Tbk. DENGAN ARIMA
Abstract
Saham merupakan hal yang masih sangat menarik dibahas dalam dunia investasi. Investasi dalam bentuk saham sangat dihadapkan dengan resiko yang tinggi. Hal ini disebabkan harga saham bersifat fluktuatif dan stokastik. Sehingga bagi suatu perusahaan harus memiki dasar pengambilan keputusan yang tepat dan akurat agar bisa meminimalisir kerugian dalam berinvestasi. Analisis deret waktu merupakan analisis yang biasa digunakan untuk memodelkan data deret waktu. Analisis ini dapat digunakan untuk meramalkan harga saham kedepannya dengan menggunakan data sebelumnya. Model Autoregressive Integrated Moving Average (ARIMA) adalah salah satu model deret waktu yang dapat digunakan untuk memodelkan harga saham. Persamaan pada model ARIMA yang diperoleh akan membantu meramalkan harga saham periode selanjutnya. Pada penelitian ini digunakan data harga saham penutupan pada PT. Polychem Tbk. dengan periode harian. Data harga saham yang ada diolah dengan menggunakan program eviews. Melalui program eviews dikaji nilai AIC, SIC, dan HQC minimum untuk memilih model terbaik. Model ARIMA(1,1,0) menjadi model terbaik dalam meramalkan harga saham PT. Polychem Indonesia Tbk
Abstract
The stocks are very interesting matters discussed in the investment world. Investment in the form of shares is very faced by high risk. This is due to fluctuating and stochastic stock prices. So to minimize losses in investment, a company must have appropriate and accurate decision-making standards. Time series analysis is an analysis commonly used to model time series data. This analysis can be used to forecast future stock prices by using previous data. The Integrated Moving Average Autoregressive Model (ARIMA) is a time series model that can be used to model stock prices. Equations obtained in the ARIMA model will help predict future stock prices. The data used in this study is the closing stock price data at PT. Polychem Tbk. in daily periods. Existing stock price data is processed using the eviews program. Through the eviews program, the minimum AIC, SIC, and HQC values are examined to choose the best model. ARIMA model (1,1,0) is the best model in predicting the stock price of PT. Polychem Indonesia Tbk.
Keywords
Full Text:
PDF
DOI: https://doi.org/10.15548/map.v1i2.1176
Abstract views : 735 times 
PDF : 2580 times
References
Anityaloka, R. N., Ambarwati, A. N. 2013. Peramalan Saham Jakarta Islamic Index Menggunakan Metode ARIMA Bulan Mei-Juli 2010. Jurnal Statistika 1(1). p.1-5.
Bain, L. J., M. Engelhardt. 1992. Introduction to Probability and Mathematical Statistics Second Edition. Duxbury Press, California.
Brockwell, P. J., R. A. Davis. 2002. Introduction Time Series and Forecasting. Springer, New York.
Elvani, S. P., Utary, A. R., Yudaruddin, R. 2016. Peramalan Jumlah Produksi Tanaman Kelapa Sawit dengan Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average). Jurnal Manajemen 8(1). p. 95-112
Hadijah. 2013. Peramalan Operasional Reservasi dengan Program Minitab Menggunakan Pendekatan ARIMA PT. Surindo Andalan. Journal The Winners 14(1). p.13-19.
Iqbal, M. F., Wahyuni, I. 2015. Prediksi Kunjungan Pasien Baru Perbangsal Rawat Inap Tahun 2015 dengan Metode ARIMA di BLUD RSU Banjar. Jurnal Manajemen Informasi Kesehatan Indonesia 3(1).
Lusiani, A., Habinuddin, E. 2011. Pemodelan Autoregressive Integrated Moving Average (ARIMA) Curah Hujan di Kota Bandung. Jurnal Sigma-Mu 3(2).
Makridarkis, S., Wheelwright, S. C., Hyndman, R. J. 1998. Forecasting Methods and Applications Third Edition. Jhon Wiley & Sons, Inc., United Stated of America.
Mulyono, Sri. 2000. Peramalan Harga Saham dan Nilai Tukar: Teknik Box-Jenkins. Ekonomi dan Keuangan Indonesia XLVIII(2). p.125-141.
Utami, T. W., Darsyah, M. Y. 2015. Peramalan Data Saham dengan Model Winter’s. Jurnal Statistika 3(2). p.41-44.
Wei, William W. S. 2006. Time Series Analysis: Univariate and Multivariate. Pearson, Boston.
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.