PERAMALAN HARGA PENUTUPAN SAHAM BBCA DENGAN MODEL ARIMA-ARCH/GARCH
Keywords:
Peramalan, Harga saham, ARIMA, ARCH/GARCH, Volatilitas, Forecasting, Stock Price, VolatilityAbstract
Pergerakan harga saham merupakan indikator penting dalam pengambilan keputusan investasi, tetapi harga saham sering dipengaruhi oleh volatilitas tinggi yang dapat menyulitkan peramalan. Salah satu tantangan dalam peramalan harga saham adalah ketidakhomogenan ragam sisaan yang dapat memengaruhi akurasi model peramalan. Penelitian ini menggunakan model Autoregressive Integrated Moving Average (ARIMA) dikombinasikan dengan Autoregressive Conditional Heteroscedasticity/Generalized Autoregressive Conditional Heteroscedasticity (ARCH/GARCH) untuk meramalkan harga penutupan saham PT Bank Central Asia Tbk (BBCA) karena mampu menangkap pola time series serta mengatasi masalah volatilitas dan heteroskedastisitas. Data yang digunakan adalah harga penutupan saham bulanan BBCA periode Januari 2013 hingga Desember 2023. Hasil penelitian menunjukkan model ARIMA(2,1,2)-GARCH(2,1) menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 4,87% dengan tingkat akurasi peramalan sangat akurat. MAPE dipilih sebagai kriteria evaluasi model karena mudah diinterpretasikan dan tidak terpengaruh skala data. Sebagai perbandingan, model ARIMA(2,1,2) menghasilkan nilai MAPE yang jauh lebih tinggi, yaitu 14,52%. Peramalan untuk 24 periode mendatang dengan model ARIMA(2,1,2)-GARCH(2,1) menunjukkan tren kenaikan dengan harga tertinggi mencapai Rp10.732,645 per saham pada Agustus 2025. Tren kenaikan ini mengindikasikan pertumbuhan nilai investasi dan peningkatan kapitalisasi pasar BBCA yang dapat menarik minat investor. Temuan ini memberikan wawasan penting bagi pengambilan keputusan investasi jangka menengah hingga panjang, meskipun dengan keterbatasan penggunaan data bulanan.
References
Abidha, H. L., & Ahdika, A. (2024). Unlocking Market Insight : Forecasting PT Bank Central Asia Tbk Stock Prices with ARIMA-GARCH Analysis. Desimal: Jurnal Matematika, 7(2), 217–228. https://doi.org/10.24042/djm
Ayoad, A. (2024). Onthe Hybrid of Arima and Garch Model in Modelling Volatilities in Nigeria Stock Exchange. Bima Journal of Science and Technology, 8(1A), 169–180. https://doi.org/10.56892/bima.v8i1.601
Brockwell, P. J., & Davis, R. A. (2016). Introduction to Time Series and Forecasting (3rd ed.). New York: Springer.
Gujarati, D. N. (2004). Basic Econometrics (4th ed.). New York: McGraw-Hill/lrwin.
Hanke, J. E., & Wichern, D. W. (2009). Business Forecasting (9th ed.). Pearson/Prentice Hall.
Hill, R. C., Griffiths, W. E., & Lim, G. C. (2010). Principles of Econometrics (4th ed.). John Wiley & Sons, Incorporated.
Kasemset, C., Sae-haew, N., & Sopadang, A. (2014). Multiple Regression Model for Forecasting Quantity of Supply of Off-season Longan. 13, 391–402. https://doi.org/10.12982/cmujns.2014.0044
Lisnawati, & Budiyanti, E. (2011). Perkembangan Pasar Modal dan Pertumbuhan Ekonomi di Indonesia: Analisis Vector Autoregressions (VAR). Jurnal Ekonomi & Kebijakan Publik, 2(2).
Malkiel, B. G. (2003). The Efficient Market Hypothesis and Its Critics . Journal of Economic Perspectives, 17(1), 59–82. https://doi.org/10.1257/089533003321164958
Marisetty, N. (2024). Prediction of Popular Global Stock Indexes Volatility by using ARCH / GARCH Models. 1–19. http://dx.doi.org/10.2139/ssrn.4904475
Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to Time Series Analysis and Forecasting (2nd ed.). Canada: John Wiley & Sons.
Novanti, D., Multazam, H., Husna, N. L., Sanityasa, O., Selfina, L., Nooraeni, R., Statistika, J., & Sosial, P. (2020). Pemodelan dan Peramalan Harga Penutupan Saham Perbankan dengan Metode ARIMA dan Family ARCH. 1(2), 94–105.
Schaffer, A. L., & Dobbins, T. A. (2021). Interrupted Time Series Analysis using Autoregressive Integrated Moving Average ( ARIMA ) Models: a Guide for Evaluating Large-Scale Health Interventions. 8, 1–12.
Soeryana, E., Simanjuntak, A., & Ghazali, P. L. (2019). ARIMA-GARCH Model for Estimation of Value-at-Risk and Expected shortfall of Some Stocks in Indonesian Capital Market. 327–334.
Taqiyyuddin, T. A., Irfan, M., Rahmah, P., & Hasana, A. E. (2021). Penerapan Model ARCH / GARCH untuk Memprediksi Harga Saham Perusahaan Tokai Carbon. August. https://doi.org/10.24014/jsms.v7i2.13138
Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed). John Wiley & Sons, Incorporated.
Wu, J. (2006). Parsimonious Principle of GARCH Models: a Monte‐Carlo Approach. The Journal of Risk Finance, 7(5), 544–558. https://doi.org/10.1108/15265940610712687
Wulandari, R., Sari, V., & Laksita, T. (2022). Penerapan Metode ARIMA-ARCH / GARCH untuk Meramalkan Harga Saham Hanjaya Mandala Sampoerna Tbk. 03(01).
Zeileis, A., & Hothron, T. (2002). Diagnostic Checking in Regression Relationships. R News,
(3), 7–10. https://journal.r-project.org/articles/RN-2002-018/
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
