ANALISIS METODE HYBRID ARIMA–SVR PADA INDEKS HARGA SAHAM GABUNGAN

Clara Vista Magdalena Sihombing, Shantika Martha, Nur’ainul Miftahul Huda

Abstract


Data runtun waktu dapat mengandung komponen linier atau nonlinier. Komponen linier dapat dimodelkan dengan Autoregressive Integrated Moving Average (ARIMA), sedangkan komponen nonlinier dimodelkan dengan Support Vector Regression (SVR). Namun, pada kenyataannya, runtun waktu memiliki komponen linier dan nonlinier secara bersamaan. Salah satu metode yang dapat mengatasi komponen linier dan nonlinier adalah Hybrid ARIMA–SVR yang merupakan metode gabungan dari model ARIMA dan SVR. Pada penelitian ini, metode yang digunakan adalah Hybrid ARIMA–SVR dengan studi kasus harga penutupan Indeks Harga Saham Gabungan (IHSG). Rentang waktu IHSG dari 1 Januari 2020 sampai 31 Oktober 2021. IHSG diasumsikan tidak stasioner, serta mengandung komponen linier dan nonlinier secara bersamaan. Tujuan dari penelitian ini adalah memodelkan data IHSG menggunakan model Hybrid ARIMA–SVR, serta membandingkan metode ARIMA dengan metode Hybrid ARIMA–SVR pada data IHSG. Proses penelitian dimulai dengan membentuk model ARIMA dari data training IHSG dan menentukan residual ARIMA. Apabila residual ARIMA nonlinier, maka dapat dibentuk model SVR dari residual ARIMA. Hasil dari penelitian ini yaitu model ARIMA (3,1,3) dan parameter SVR yaitu parameter C, γ, dan ε berturut-turut sebesar 2^(-6,75), 2^(-2,25), dan 0,1  . Nilai MAPE model ARIMA untuk data training dan testing sebesar 0,997% dan 0,733%, sedangkan untuk  Hybrid ARIMA–SVR sebesar 0,971% dan 0,708%. Kesimpulan yang diperoleh yaitu model terbaik untuk IHSG adalah Hybrid ARIMA–SVR, karena memiliki nilai MAPE yang lebih kecil dibandingkan model ARIMA. Oleh karena itu, nilai IHSG diprediksi lima hari ke depan dengan model Hybrid ARIMA–SVR.

 

Kata Kunci: model hybrid, linier, nonlinier

Full Text:

PDF


DOI: http://dx.doi.org/10.26418/bbimst.v11i3.54618

Refbacks

  • There are currently no refbacks.