Pemodelan dan Simulasi Analisis Prediksi Indeks Harga Saham PT. TJIWI KIMIA

Kali ini kita akan membahas pemodelan dan simulasi  “Analisis Prediksi Indeks Harga Saham PT. TJIWI KIMIA” proyek pemodelan ini dikerjakan oleh kelompok Nur Rahmawati, mahasiswa Ilmu Komputasi Institut Teknologi Telkom angkatan 2010.

Anggota Kelompok

  • SEPTIAN NURCAHYO (118100007)
  • NUR RAHMAWATI (118100038)
  • ANTON SRI HARYANTO (118100040)
  • ISTIQAMAH INTAN PUTRI (118100062)

Pabrik kertas Tjiwi Kimia adalah perusahaan yang bergerak di bidang industri yang memiliki pergerakan harga saham yang relative tidak menentu pada setiap waktu. Hal ini tentunya membuat para investor tidak yakin untuk menanamkan saham pada pabrik tersebut. Oleh karena itu dibutuhkan suatu model untuk memprediksi harga saham pada waktu t, sehingga para investor bisa memperkirakan harga saham pada pabrik yang ingin mereka jadikan sebagai tempat investasi.Metode ARIMA baik untuk memprediksi data time series sehingga cocok digunakan untuk membuat model pada harga saham. Model yang dihasilkan dengan metode ARIMA baik digunakan untuk memprediksi harga saham pada jangka pendek.

Hal yang akan dibahas disini adalah faktor apa saja yang mempengaruhi harga saham Pabrik Kertas Tjiwi Kimia, bagaimana cara untuk memprediksi harga saham Pabrik Kertas Tjiwi Kimia dengan ARIMA dan bagaimana performansi model yang diperoleh dalam memprediksi harga saham dengan ARIMA. Software yang digunakan untuk membantu prediksi dengan ARIMA adalah Minitab 14.0 dan SPSS 16.0.

ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat. ARIMA cocok jika observasi dari deret waktu (timeseries) secara statistik berhubungan satu sama lain (dependent).  Langkah-langkah penerapan metode ARIMA secara berturut-turut adalah : Spesifikasi atau Identifikasi model, pendugaan parameter model,  diagnostic checking, dan Peramalan.

Pemodelan Matematika

Yt = c +  1Yt-53  –  b1et-33  b2et-53 +et

Keterangan :

Yt            = Harga Saham pada waktu t

c              = Konstanta

a              = Koefisien Regresi dari MA

b              = Koefisien Regresi dari AR

et             = Nilai kesalahan / error pada waktu t

Persamaan yang terbentuk dari data yang telah mengalami proses differencing, dalam melakukan peramalan harus dilakukan proses kebalikannya yaitu proses integral, yang diperoleh dengan perhitungan berikut :

Yt = c +  1Yt-53  –  b1et-33  – b2et-53 +et , misalkan untuk meramal t ke-100

Y100-Y47=c+ 1 (Y47-Y46)-b1(e67-e66)-b2(e47-e46)+e100

Y100=c+(1+1)Y47– 1Y46-b1(e67-e66)-b2(e47-e46)+e100

Maka model diperoleh

Yt=c+(1+ 1)Yt-53 1Yt-54-b1(et-33-et-34)-b2(et-53-et-54)+et

1.1    Pengukuran Kesalahan Peramalan

No

Close

Prediksi

MAD

MSE

MAPE

MPE

1

4346.48

4254.032092

92.44791

8546.616

0.021732

0.021732

2

4399.26

4278.684694

120.5753

14538.4

0.02818

0.02818

3

4410.02

4306.633312

103.3867

10688.81

0.024006

0.024006

4

4392.38

4317.702572

74.67743

5576.718

0.017296

0.017296

5

4362.93

4358.285762

4.644238

21.56895

0.001066

0.001066

6

4317.37

4335.982601

-18.6126

346.4289

0.004293

-0.00429

7

4305.91

4364.413283

-58.5033

3422.634

0.013405

-0.0134

8

4382.5

4335.52657

46.97343

2206.503

0.010835

0.010835

9

4400.82

4327.324212

73.49579

5401.631

0.016984

0.016984

10

4410.96

4336.364184

74.59582

5564.536

0.017202

0.017202

11

4398.38

4335.508488

62.87151

3952.827

0.014502

0.014502

12

4465.48

4328.420432

137.0596

18785.33

0.031665

0.031665

13

4439.97

4335.220604

104.7494

10972.44

0.024162

0.024162

14

4416.55

4369.451866

47.09813

2218.234

0.010779

0.010779

15

4418.73

4356.567577

62.16242

3864.167

0.014269

0.014269

16

4437.6

4322.743728

114.8563

13191.96

0.02657

0.02657

17

4416.94

4344.683123

72.25688

5221.056

0.016631

0.016631

18

4439.03

4324.153912

114.8761

13196.52

0.026566

0.026566

19

4452.98

4316.942828

136.0372

18506.11

0.031512

0.031512

20

4453.7

4341.470342

112.2297

12595.5

0.025851

0.025851

21

4481.63

4328.018739

153.6113

23596.42

0.035492

0.035492

Jumlah

90918.13092

1631.489

182414.4

0.412998

0.017945

n

21

21

21

21

21

Mean

4329.434806

77.68996

8686.4

0.019667

0.000855

Selisih rata-rata antara nilai close price aktual dan nilai prediksi menunjukkan adanya perbedaan  diantara keduanya. MAD menunjukkan bahwa setiap peramalan terdeviasi secara rata-rata sebesar 77,68996. MSE sebesar 8686,4 dan MAPE sebesar  0,019667% . Hasil MAPE tersebut menunjukkan bahwa model relevan  untuk digunakan dalam  peramalan.  Akhirnya MPE yang sebesar 0,000855% menunjukkan bahwa teknik tersebut tidak bias  karena nilainya mendekati nol,  maka perhitungan dari teknik tersebut tidak terlalu tinggi atau terlalu rendah  dalam meramalkan harga saham mendatang.

 

Kesimpulan

Dari hasi observasi yang telah dilakukan, dapat ditarik beberapa kesimpulan yaitu suatu data time series  yang tidak stasioner dapat distasionerkan dengan dilakukan differencing pada data. Parameter model ARIMA dapat diperoleh dari nilai ACF dan PACF yang keluar dari batas limit. Model arima sangat baik untuk peramalan jangka pendek.

Download Paper Lengkap

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s