Analisa Prediksi Indeks Harga Saham Gabungan Menggunakan Metode Arima

Purnama, Julkifli; Juliana, Ahmad

doi:10.30862/cm-bj.v2i2.51

Cited by 9 publications

(9 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dimana 𝑞 menyatakan korelasi antara nilai pengamatan 𝑌 𝑡 dengan nilai bias dari periode 𝑡 ke 𝑡 − 𝑞 secara berurutan. Pada model ARIMA, data harus diperiksa terlebih dahulu kestasionerannya, karena dalam model ARIMA inputan dari semua data haruslah stasioner (Purnama & Juliana, 2020). Suatu data dapat diperkirakan kestasionerannya menggunakan analisis plot dari nilai Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) (Pandji et al, 2019).…”

Section: Metode Metode Peramalanunclassified

Peramalan Harga Cabai dan Bawang di Pasar Tradisional Purwokerto dengan Model Autoregressive Integrated Moving Average (ARIMA)

Ulya,

Wijaya,

Puspita

2023

semnasoffstat

View full text Add to dashboard Cite

Cabai dan bawang menjadi salah satu komoditas pertanian yang kerap digunakan sehari-hari. Namun, fluktuatifnya harga cabai dan bawang dapat menyebabkan ketidakstabilan pasar dan merugikan petani saat harga menurun tajam. Oleh karenanya, perlu dilakukan peramalan untuk memprediksi harga keduanya di masa mendatang. Penelitian ini dilakukan untuk menemukan model terbaik dalam meramalkan harga cabai dan bawang menggunakan metode Autoregressive Integrated Moving Average (ARIMA) yang dikaji dengan nilai AIC dan BIC minimum. Data yang digunakan yaitu harga cabai merah besar, cabai rawit, bawang merah, dan bawang putih di Pasar Tradisional Purwokerto sejak Bulan Januari 2022 sampai April 2023. Model yang terpilih yaitu ARIMA (0,1,0), ARIMA (1,1,0), ARIMA (0,1,0), dan ARIMA (3,1,0) berturut-turut untuk cabai merah besar, cabai rawit, bawang merah, dan bawang putih. Metrik evaluasi model peramalan yang digunakan adalah RMSE dan MAPE. Nilainya yang cukup kecil dapat mengindikasikan bahwa model telah sesuai. Berdasarkan hasil peramalan, harga cabai dan bawang pada satu bulan ke depan akan cenderung konstan di harga Rp55.000,- untuk cabai merah besar, Rp55.086,- untuk cabai rawit, Rp45.000,- untuk bawang merah, dan Rp40.000,- untuk bawang putih.

show abstract

Section: Metode Metode Peramalanunclassified

Peramalan Harga Cabai dan Bawang di Pasar Tradisional Purwokerto dengan Model Autoregressive Integrated Moving Average (ARIMA)

Ulya,

Wijaya,

Puspita

2023

semnasoffstat

View full text Add to dashboard Cite

show abstract

“…Dengan adanya prediksi pada harga saham ini nantinya sangat bermanfaat bagi investor dalam mengambil keputusannya. Secara umum, model ARIMA (Box-Jenkins) dirumuskan dengan notasi sebagai berikut ARIMA (p, d, q) dimana p menunjukkan orde dari Autoregressive (AR), d menunjukkan orde differencing, dan q menunjukkan orde dari Moving Average (MA) (Purnama & Juliana, 2020). Bentuk umum model ARIMA dapat dinyatakan dalam persamaan berikut (Yuliyanti & Arliani, 2022):…”

Section: Model Deret Waktu Arimaunclassified

Aplikasi Algoritma Viterbi dalam Hidden Markov Model untuk Menganalisis Trend Pasar Saham di Bursa Efek (Studi Kasus di PT. Bank Central Asia, Tbk.)

Lina P,

Yundari,

Huda

2023

J. Eurekamatika

View full text Add to dashboard Cite

This study aims to analyze and apply the Viterbi algorithm in the Hidden Markov Model on stock market trend movement data at PT Bank Central Asia, Tbk in 2022. At the initial stage, the closing stock price data of PT Bank Central Asia, Tbk for the next fifteen days is predicted using the ARIMA method. Then, the second stage is classifying closing stock data as a result of predictions. The third stage is to determine the parameters of the Hidden Markov Model. The fourth stage is to determine the Hidden State sequence with the Viterbi Algorithm, and the last stage is to analyze the application of the Viterbi Algorithm to the movement of the stock market trend. The results show that the Viterbi algorithm is used to determine the most optimal Hidden State sequence from a sequence of observed states. The right time for an investor to make a decision to sell shares is when the stock price is rising and the stock market trend is in a bullish position, namely on the March 4th, 10th, 16th, 17th and 21th 2022. Meanwhile, buying shares is when the stock price is down and the stock market trend is in a bearish position, namely on the March 3rd, 9th, 14th, 18th and 23th 2022.Keywords: Hidden Markov Model, Stock Market Trends, Viterbi Algorithm. AbstrakPenelitian ini bertujuan untuk menganalisis dan mengaplikasikan algoritma Viterbi dalam Hidden Markov Model pada data pergerakan trend pasar saham di PT. Bank Central Asia, Tbk tahun 2022. Pada tahap awal dilakukan prediksi data harga saham penutupan PT Bank Central Asia, Tbk selama lima belas hari ke depan menggunakan metode ARIMA. Tahap kedua adalah mengklasifikasi data hasil dari prediksi. Tahapan ketiga adalah menentukan parameter-parameter Hidden Markov Model. Tahapan keempat menentukan barisan Hidden State dengan Algoritma Viterbi, dan tahap terakhir adalah menganalisis pengaplikasian Algoritma Viterbi pada pergerakan trend pasar saham. Hasil dari penelitian ini adalah bahwa algoritma Viterbi digunakan untuk menentukan barisan Hidden State yang paling optimal dari suatu barisan observed state. Waktu yang tepat seorang investor mengambil keputusan untuk menjual saham adalah ketika harga saham dalam keadaan naik dan trend pasar saham dalam posisi bullish yaitu pada tanggal 4, 10, 16, 17, dan 21 Maret 2022. Sedangkan untuk membeli saham adalah ketika harga saham dalam keadaan turun dan trend pasar saham dalam posisi bearish yaitu tanggal 3,9, 14, 18, dan 23 Maret 2022.

show abstract

“…Pandemi Covid-19 yang terjadi tahun 2019 sangat berdampak besar terhadap ekonomi yang mengakibatkan ketidakstabilan dalam investasi [ 7]. Analisa tren harga saham dilakukan dengan melihat dan mempelajari pola harga saham yang terjadi di masa lalu berdasarkan periode tertentu [8]. Tren saham secara umum dikategorikan tiga kelompok, yaitu uptrend,notrend dan downtrend [9].…”

Section: Pendahuluanunclassified

Analisis Trend Saham LQ-45 selama Pandemi Covid-19 dengan K-Means Clustering

Hanjasto¹

2022

INFEB

View full text Add to dashboard Cite

Stocks are one of the investment instruments that have great risks and benefits. Large profits in a very fast time often make investors forget about the risks that may occur. Dynamic price changes at any time require in-depth analysis to determine the decision to buy, hold or sell. The COVID-19 pandemic has had a major effect on economic growth, investment and culture. This study aims to group stocks that have the same trend during the pandemic so that they can get returns and minimize the risk of loss. The stock price data in this study is sourced from finance.yahoo.com with a time span from 2019 to 2021. The stocks to be analyzed are stocks belonging to the LQ-45 stock category from 2019 to 2021. will be grouped with K-means Clustering. This study groups LQ-45 stocks into 3 clusters which are the right considerations by investors in stock investments during the Covid-19 pandemic.

show abstract

Analisa Prediksi Indeks Harga Saham Gabungan Menggunakan Metode Arima

Cited by 9 publications

References 0 publications

Peramalan Harga Cabai dan Bawang di Pasar Tradisional Purwokerto dengan Model Autoregressive Integrated Moving Average (ARIMA)

Peramalan Harga Cabai dan Bawang di Pasar Tradisional Purwokerto dengan Model Autoregressive Integrated Moving Average (ARIMA)

Aplikasi Algoritma Viterbi dalam Hidden Markov Model untuk Menganalisis Trend Pasar Saham di Bursa Efek (Studi Kasus di PT. Bank Central Asia, Tbk.)

Analisis Trend Saham LQ-45 selama Pandemi Covid-19 dengan K-Means Clustering

Contact Info

Product

Resources

About