PENERAPAN MODEL HIBRIDA ARIMA-RUNTUN WAKTU FUZZY CHEN PADA SAHAM JII
DOI:
https://doi.org/10.21831/pspmm.v7i1.265Keywords:
ARIMA, Hibrida, Runtun waktu fuzzy ChenAbstract
Investasi di pasar modal banyak diminati dengan tujuan mendapatkan capital gain dan deviden. Investor perlu melakukan penelitian sebelum membuat keputusan untuk membeli saham di suatu pasar modal agar terhindar dari risiko terjadinya kerugian dan mendapatkan peluang keuntungan. Penelitian ini membahas mengenai prediksi harga closing saham di pasar modal syariah Indonesia yaitu Jakarta Islamic Index (JII) menggunakan model hibrida ARIMA dan runtun waktu fuzzy Chen. Model hibrida dalam penelitian ini digunakan untuk mendapatkan nilai akurasi yang lebih tinggi dibandingkan dengan model tunggal sehingga mendapatkan hasil yang baik untuk peramalan. Model ARIMA digunakan untuk pendekatan komponen linier dan model runtun waktu fuzzy Chen digunakan untuk pendekatan komponen nonlinier. Data yang digunakan adalah data closing harga saham Jakarta islamic index sejak 13 April 2021 sampai 13 April 2022 untuk data insample dan 14 April 2022 sampai 22 Juli 2022 sebagai data outsample. Penelitian ini mendapatkan tiga model ARIMA yang memenuhi yaitu ARIMA (0,1,1), ARIMA (1,1,0), dan ARIMA (2,1,0) yang kemudian residu dari setiap model ARIMA tersebut dianalisis dengan fuzzy runtun waktu Chen. Model hibrida terbaik yang didapatkan untuk peramalan yaitu model hibrida ARIMA (1,1,0) dan runtun waktu fuzzy Chen dengan nilai akurasi terkecil yaitu nilai MAPE sebesar 0,101% dan RMSE sebesar 1,1978.References
Market update pasar modal syariah indonesia periode januari-juni 2021. Jakarta: Otoritas Jasa Keuangan(OJK).
Anityaloka, R. N., dan Ambarwati, A. N. (2013). Peramalan saham Jakarta Islamic Index Menggunakan Metode ARIMA periode Bulan Mei-Juli 2010. Statistika, 1.
Song, Q., and Chissom, B. (1993b). Fuzzy Time Series and Its Models. Fuzzy Sets and System. 54:269-277.
Song, Q., and Chissom, B. S. (1993a). Forecasting Enrollments with Fuzzy Time Series. Fuzzy Sets and System,, 54:1-9.
Chen, S.-M. (1996). Forecasting enrollments based on fuzzy time series. Elsevier, 8.
Zhang, G. P. (2001). Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing, 159-175.
Hidayatullah, M. A., Sulandari W., dan Kuntari, S. (2015). Model Hibrida ARIMA Dan Fuzzy Time Series Untuk Meramalkan Data Berpola Tren. Digilib uns, 1-7.
Hanke, J. E., and Wichern, D. (2014). Business Forecasting (9th ed.). Edinburgh: Pearson.
Cryer, J. D., and Chan, K.-S. (2008). Time Series Analysis with Application in R (2nd ed.). New York: Springer.
Box, G.E.P., and Jenkins, G. M. (1976). Time Series Analysis, Forecasting and Control. Holden-Day, San Francisco, CA.
