PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

Lilipaly, Greis S; Hatidja, Djoni; Kekenusa, John S.

doi:10.35799/jis.14.2.2014.5927

Cited by 12 publications

(12 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…It also can be concluded that ARIMA (1,1,1) able to forecast the daily closing price indices for ISSI successfully and accurately. This result is consistent with previous research conducted by Ashik and Kannan (2017), Ayo (2014), Lilipaly et al, (2014), Mondal et al, (2014) and Devi, Sundar, and Alli (2013).…”

Section: Resultssupporting

confidence: 94%

Testing Weak Form of Stock Market Efficiency at The Indonesia Sharia Stock Index

Agustin

2019

muqtasid

View full text Add to dashboard Cite

Efficient Market is the market where all traded securities prices reflects all available information. Market Efficient Hypotesis in the Weak Form stated that past stock price movement incorporated with current securities’s prices, thus it can be used to predicting the current price or return. The objective of this research is to examine the weak form of Efficient Market Hypothesis (EMH) in Indonesia Sharia Stock Index (ISSI) over the period of January 3rd2017 -February 8th 2019. To Examine the EMH, some appropriate tests are developed, these are: Run Test, Autocorrelation Test, Autoregressive Integrated Moving Average (ARIMA), and Paired Sample t-test. The result findings showing that ISSI is not efficient in the weak form during the period of the study. Moreover, in accordance with time series modelling result, the fitted model is ARIMA (1,1,1) with accuracy level of 78%. This result proved that ARIMA model successfully and accurately in forecasting ISSI indices. It can be implied that the historical stock index data in the past still described the stock index information in the future. Thus, technical analysis is still feasible to do as the guide for investors in conducting transactions in the capital market.AbstrakPasar yang efisien adalah pasar dimana semua harga sekuritas yang diperdagangkan telah mencerminkan semua informasi yang tersedia. Teori pasar efisien bentuk lemah menyatakan bahwa perubahan harga masa lalu tidak berhubungan dengan harga sekuritas sekarang, sehingga tidak dapat digunakan untuk memprediksi harga atau return dari sekuritas. Penelitian ini bertujuan untuk melakukan pengujian hipotesis pasar efisien bentuk lemah pada Indeks Saham Syariah Indonesia (ISSI). Data diambil pada periode 3 Januari 2017 – 8 Februari 2019. Pada tahap awal penelitian, Run test dan Autocorrelation test dilakukan untuk melihat apakah pasar efisien bentuk lemah berlaku pada ISSI. Selanjutnya dilakukan pembentukan pemodelan time series ARIMA untuk melihat teknik prediksi yang sesuai untuk memprediksi Indeks Saham ISSI. Hasil Run test dan Autocorrelation test menunjukkan bahwa hipotesis pasar efisien bentuk lemah tidak terbukti. Pada pembentukan model ARIMA, terlihat bahwa model yang sesuai adalah ARIMA (1,1,1) menghasilkan tingkat akurasi sebesar 78%. Hal ini membuktikan bahwa model ARIMA berhasil dan akurat digunakan untuk memprediksi Indeks Harga Saham ISSI. Oleh karena itu, analisis teknikal masih dapat digunakan oleh investor untuk menjadi pedoman dalam melakukan transaksi perdagangan di pasar modal.

show abstract

Section: Resultssupporting

confidence: 94%

Testing Weak Form of Stock Market Efficiency at The Indonesia Sharia Stock Index

Agustin

2019

muqtasid

View full text Add to dashboard Cite

show abstract

“…The best model was shown by the forecasting of Nifty 50 stock price, with an error percentage of 16.26%. Lilipaly et al (2014), in his research predicting the stock price of Bank Rakyat Indonesia Tbk by using daily stock data from 2011 to October 2014, showed that the ARIMA model is suitable and can be used to predict stock prices in November 2014. ARIMA model suitable for the maximum stock price is ARIMA (2,1,3) and ARIMA (2,1,3) is suitable for the minimum stock price.…”

Section: B Theoretical Background 1 Technical Analysismentioning

confidence: 99%

The Approach of Box Jenkins Time Series Analysis for Predicting Stock Price on Lq45 Stock Index

Agustin

2019

jbisfia

View full text Add to dashboard Cite

Ketepatan prediksi harga saham merupakan aspek penting bagi investor untuk mendapatkan tingkat pengembalian saham yang maksimal. Analisis Teknikal merupakan analisis saham yang berpendapat bahwa harga saham dibentuk oleh pola harga saham itu sendiri di masa lalu. Salah satu teknik pemodelan pada analisis teknikal yang telah banyak digunakan adalah Model Box Jenkins atau secara teknis disebut Autoregressive Integrated Moving Average (ARIMA). Penelitian ini memprediksi indeks saham melalui pembentukan model ARIMA. Indeks saham LQ45 sebagai salah indeks saham blue chip dan memiliki tingkat likuiditas tinggi di Indonesia, akan digunakan sebagai data sampel, yaitu data saham harian LQ45 pada periode Januari 2016-November 2018. Analisis data meliputi uji stasioneritas, pembentukan model ARIMA dan dilanjutkan dengan uji beda t-test berpasangan untuk melihat efektivitas model ARIMA yang dihasilkan. Hasil penelitian menunjukkan bahwa data tersebut stasioner pada tingkat diferensi satu, dan model yang sesuai adalah ARIMA (2,1,1). Model menghasilkan R-squared yang cukup tinggi yaitu 98.3% dengan RMSE 9.946. Model ini selanjutnya digunakan untuk memprediksi harga saham pada periode 15 hari mendatang. Hasil paired t-test menunjukkan bahwa tidak terdapat perbadaan signifikan antara data aktual dengan data hasil prediksi. Sehingga dapat disimpulkan bahwa model ARIMA yang dihasilkan telah sukses memprediksi indeks harga saham LQ45.

show abstract

“…Prediksi adalah proses memperkirakan secara sistematis tentang sesuatu yang mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti suatu kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi [5].…”

Section: Model Time Seriesunclassified

Prediksi Tinggi Gelombang Laut di Perairan Laut Sulawesi Utara dengan Menggunakan Model Vector Autoregressive (VAR)

Sumihi¹,

Kekenusa²,

Nainggolan³

2017

View full text Add to dashboard Cite

Telah dilakukan penelitian tentang tinggi gelombang laut di perairan laut Sulawesi Utara yang bertujuan untuk menerapkan model Vector Autoregressive (VAR) dalam memprediksi tinggi gelombang laut di wilayah perairan Bitung, perairan Manado, dan perairan Tahuna. Model VAR merupakan salah satu model time series yang menghendaki pemodelan secara simultan dengan beberapa peubah. Data yang digunakan dalam penelitian ini adalah data rata-rata harian tinggi gelombang laut di wilayah perairan Bitung, wilayah perairan Manado, dan wilayah perairan Tahuna yang diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika Maritim Bitung pada periode Januari 2015 sampai Desember 2016. Hasil penelitian menunjukkan bahwa model yang sesuai untuk memprediksi tinggi gelombang laut yaitu model VAR(3) dimana model ini cukup baik untuk digunakan dalam memprediksi tinggi gelombang laut wilayah Bitung, Manado, dan Tahuna pada periode 5 hari yakni tanggal 01 Januari 2017 sampai 05 Januari 2017, wilayah Bitung memiliki rata-rata tinggi gelombang mencapai 1,6 - 1,7 Meter, untuk tinggi gelombang laut wilayah Manado mencapai 1,3 - 1,5 Meter, dan wilayah Tahuna mencapai tinggi gelombang sebesar 1,8 - 2,1 Meter.Kata Kunci : Model Vector Autoregressive (VAR), Tinggi Gelombang Laut, Sulawesi Utara

show abstract

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

Cited by 12 publications

References 0 publications

Testing Weak Form of Stock Market Efficiency at The Indonesia Sharia Stock Index

Testing Weak Form of Stock Market Efficiency at The Indonesia Sharia Stock Index

The Approach of Box Jenkins Time Series Analysis for Predicting Stock Price on Lq45 Stock Index

Prediksi Tinggi Gelombang Laut di Perairan Laut Sulawesi Utara dengan Menggunakan Model Vector Autoregressive (VAR)

Contact Info

Product

Resources

About