Perpustakaan Digital ITB

Ekonofisika merupakan bidang penelitian yang menerapkan konsep fisika untuk memecahkan permasalahan ekonomi. Salah satu permasalahan yang menarik untuk dibahas adalah dinamika stokastik pada data harga saham. Data saham cenderung fluktuatif dan sulit untuk diprediksi, sehingga digunakan metode dalam ekonofisika untuk memprediksi data saham tersebut. Dalam penelitian ini akan dilakukan implementasi ekonofisika untuk prediksi data saham sektor pertanian dalam Bursa Efek Indonesia dengan menggunakan model ARCH-GARCH dan jaringan syaraf tiruan model Backpropagation. Kedua model ini sangat populer dan memberikan hasil prediksi yang baik. Dua model tersebut kemudian digabungkan menjadi model yang baru (dalam penelitian ini disebut sebagai model GARCH-Neural Network) yang memberikan hasil prediksi lebih baik dari dua model sebelumnya. Konsep model gabungan tersebut adalah model ARCH-GARCH yang diperoleh kemudian digunakan sebagai input dan target pada model Backpropagation. Data perusahaan dalam sektor pertanian yang terbagi dalam tiga subsektor digunakan sebagai sampel untuk penelitian ini, diantaranya data saham subsektor tanaman pangan, subsektor perkebunan dan subsektor perikanan untuk periode sampel yaitu Januari 2015 – Agustus 2017 . Data selama periode Januari 2015 – April 2017 digunakan sebagai data pembelajaran, kemudian hasil pembelajaran digunakan untuk memprediksi data hingga empat bulan kedepan yaitu selama Mei 2017 – Agustus 2017. Mean Absolute Percentage Error (MAPE) pada hasil prediksi digunakan sebagai salah satu kriteria ketepatan model, semakin kecil MAPE semakin baik model prediksi. Pada penelitian ini diperoleh hasil perhitungan MAPE pada prediksi harga saham berturut-turut untuk model GARCH, Backpropagation, dan GARCH-Neural Network. Saham subsektor tanaman pangan dengan MAPE 1.174%, 1.816%, 0.820%. Saham perkebunan dengan MAPE 0.822%, 1.175%, 0.342%. Saham perikanan dengan MAPE 2.706%, 4.139%, 0.458%. Dari hasil tersebut menunjukkan bahwa model gabungan memberikan hasil prediksi yang lebih baik daripada model GARCH dan model Backpropagation.