Perpustakaan Digital ITB

Abstract: Dalam berinvestasi, secara umum berlaku hukum bahwa media investasi dengan tingkat kemungkinan keuntungan yang tinggi akan diikuti dengan resiko yang tinggi pula. Dalam investasi di pasar bursa saham, resiko yang dimaksud adalah potensi kesalahan dalam membuat prediksi atas suatu nilai atau harga di masa mendatang. Melakukan prediksi atas harga saham tidak mudah. Hal ini disebabkan oleh harga yang selalu berfluktuasi. Karena itu, seorang investor perlu melakukan analisis data serta faktor eksternal yang dapat mempengaruhi saham agar terhindar dari kerugian yang besar. Data harga saham merupakan data time series, yaitu data yang terukur menurut waktu. Jika data tersebut dimodelkan, maka dapat terlihat bahwa data tersebut memiliki trend. Dengan memodelkan trend data maka kemunculan data selanjutnya dapat diprediksi. Salah satu cara yang dapat digunakan untuk pemodelan trend data time series adalah dengan menggunakan model Autoregressive Integrated Moving Average (ARIMA). Model ARIMA merupakan pengembangan lebih lanjut dari model Autoregressive Moving Average (ARMA) yang berdasar pada konsep regresi linier. Model ARIMA yang didapatkan dari analisis historis terhadap data time series saham dapat digunakan untuk prediksi terhadap nilai saham di mana mendatang. Tugas Akhir ini membahas tantang prediksi harga saham dengan menggunakan model Autoregressive Integrated Moving Average yang meliputi prosedur untuk melakukan pemodelan ARIMA terhadap sekumpulan data observasi, mencari model yang cocok bagi data, dan melakukan prediksi nilai data di masa mendatang. Pada Tugas Akhir ini dibangun perangkat lunak SeFA (Stock Forecast with ARIMA) untuk implementasi pemodelan dan prediksi harga saham dengan menggunakan model ARIMA. Perangkat lunak tersebut dikembangkan dengan menggunakan kakas pemrograman Borland Delphi 7.0, dan dibangun dalam lingkungan sistem operasi Windows. Data saham yang didukung oleh perangkat lunak SeFA adalah data saham yang berupa file teks (.txt) dengan format penulisan tertentu. Perangkat lunak SeFA yang telah dikembangkan kemudian digunakan untuk melihat model ARIMA yang cocok untuk kebanyakan data saham, kebenaran trend, serta tingkat akurasi prediksi. Pengujian dilakukan dengan membandingkan hasil prediksi lima hari ke depan dengan data saham aktual. Hasil uji menunjukkan bahwa model ARIMA(2,1,1) adalah model yang cocok untuk kebanyakan data saham. Hasil uji juga menunjukkan bahwa pemodelan trend yang dihasilkan juga memiliki tingkat kebenaran yang tinggi. Sedangkan hasil prediksi yang dihasilkan memiliki tingkat keakuratan yang rendah.