PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN INNOVATIONAL OUTLIER

Abstract

Data harga saham merupakan salah satu data deret waktu yang dapat diprediksi dengan model Autoregressive Integrated Moving Average (ARIMA). Harga saham berfluktuasi setiap harinya karena dipengaruhi oleh berbagai faktor. Data yang berfluktuasi secara ekstrim seringkali menimbulkan outlier sehingga perlu dilakukan deteksi outlier untuk mendapat analisis yang lebih baik. Pada analisis ini dilakukan deteksi outlier dengan prosedur iteratif  pada model ARIMA. Data yang digunakan merupakan data harga saham PT. Aneka Tambang Tbk mulai dari 2 Januari 2020 hingga 6 Januari 2021. Tujuan dari analisis ini adalah melakukan pemodelan ARIMA dengan faktor outlier pada data harga saham serta memprediksi harga saham. Langkah awal proses analisis yaitu memodelkan ARIMA melalui data in-sample dan menentukan residual.  Selanjutnya dilakukan deteksi outlier berdasarkan residual dengan prosedur iteratif. Kemudian outlier yang terdeteksi ditambahkan pada model ARIMA. Prosedur iteratif akan berhenti ketika |λ_T| < C  yang artinya tidak ada lagi outlier yang terdeteksi, dengan λ_T sebagai parameter deteksi outlier dan C adalah konstanta. Hasil dari analisis ini adalah model ARIMA (1,1,0) dengan penambahan 11 outlier tipe Innovational Outlier (IO). Berdasarkan analisis yang dilakukan dapat disimpulkan model ARIMA dengan penambahan 11 outlier adalah model peramalan terbaik dengan nilai AIC sebesar -4086,35 dan nilai MAPE sebesar 7,30%. Oleh karena itu, nilai harga saham PT Aneka Tambang Tbk untuk lima hari kedepan diprediksi menggunakan model ARIMA dengan IO.

Kata Kunci : ARIMA, outlier, innovational outlier