Efektivitas Metode Exponential Smoothing Dan Autoregressive Conditional Heteroscedastic (ARCH) Dalam Memprediksi Harga Saham

Diyas Arya Nugroho, Alicia Arifin, Wiwik Wiyanti

Abstract


Volatilitas merupakan suatu alat ukur untuk menentukan probabilitas portofolio bisnis di masa depan yang berpotensi turun atau naik. Volatilitas sangat memengaruhi pergerakan nilai harga saham, maka dari itu, peramalan terhadap volatilitas perlu dilakukan apabila seseorang ingin membeli atau menjual saham. Untuk melakukan peramalan, diperlukan adanya penggunaan metode yang tepat. Pada penelitian ini, menerapkan beberapa metode untuk peramalan, yaitu dengan menggunakan metode Exponential Smoothing : Single Exponential Smoothing (SES), Adaptive-Response-Rate Single Exponential Smoothing (ARRSES) dan Holt’s Linear serta metode ARCH. Hasil dari analisis menunjukkan bahwa persentase kesalahan menggunakan metode exponential smoothing yaitu SES, ARRSES, Holt’s Linear berkisar 4% - 6,6% sedangkan dengan metode ARCH-GARCH berkisar 9,81% - 12,4%. Dengan demikian, metode exponential smoothing yang digunakan lebih baik dalam kasus harga saham pada penelitian ini yaitu dengan tingkat kesalahan yang lebih kecil dibandingkan metode ARCH.

Kata Kunci:  saham, SES, ARRSES, Holt’s, ARCH


References


H. J. Sim, C. W. Chong, Z. Ruxian, Y. C. Leong, and L. W. Theng, “Forecasting the High-Frequency Exchange Rate Volatility With Smooth Transition Exponential Smoothing,” Asian Acad. Manag. J. Account. Financ., vol. 18, no. 2, pp. 241–269, 2022, doi: 10.21315/aamjaf2022.18.2.10.

G. Foster, Financial Statement Analysis. Pearson Education India, 1986.

R. Reider, “Volatility forecasting I: GARCH models,” New York, pp. 1–16, 2009.

W. Wiyanti, “Effectiveness of Single and Double Exponential Smoothing: SES, ARRSES and Holt’s Linear for Time Series Data Prediction with Trend and Non-seasonal Characteristic (Covid-19 Vaccinate Case),” J. Mat. Stat. dan Komputasi, vol. 20, no. 1, pp. 52–64, 2023, doi: 10.20956/j.v20i1.27193.

D. Rosadi, Analisis runtun waktu: dan apolikasinya dengan R. Gadjah Mada University Press, 2014.

H. R. Makridakis S, Wheelwright SC, “1 / the Forecasting Perspective,” Forecast. methods Appl., pp. 1–632, 1997.

A. Widarjono, “Ekonomi Pembangunan Aplikasi Model Arch Kasus Tingkat Inflasi Di Indonesia,” Jep, vol. 7, no. 1, pp. 71–82, 2002.

A. P. Desvina and N. Rahmah, “Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral,” vol. 2, no. 1, 2016.

S. A. Shukor et al., “Forecasting Stock Market Price of Gold, Silver, Crude Oil and Platinum by Using Double Exponential Smoothing, Holt’s Linear Trend and Random Walk,” J. Phys. Conf. Ser., vol. 1874, no. 1, 2021, doi: 10.1088/1742-6596/1874/1/012087.

C. Della Evania, W. Wiyanti, and C. Author, “Perbandingan Metode Holt’s Linier dan GPT-4 untuk Peramalan Jumlah Kasus Kematian Diabetes Melitus di Indonesia,” J. Math., vol. 7, no. 1, pp. 1–9, 2024.

“IDX Banking Chart (JKBANK15),” Investing.com.

“Indeks - PT bursa efek Indonesia.”

S. Bisgaard and M. Kulahci, Time series analysis and forecasting by example. John Wiley & Sons, 2011.

A. Dotis-Georgiou, “Autocorrelation in Time Series Data | Blog | InfluxData,” InfluxData.

“11.1 ARCH/GARCH Models | STAT 510,” Courses, PennState: Statistics Online.

R. H. Sumway and D. S. Stoffer, “Time series analysis and its applications with R examples,” Time Ser. Anal. its Appl. with R examples, 2006.

A. Spencer, G. N. Boshnakov, and M. G. N. Boshnakov, “Package ‘ FinTS .’”

C. Colonescu, “Using R for principles of Econometrics,” p. 253, 2016.

A. Galanos and T. Kley, “Package ‘ rugarch .’”




DOI: http://dx.doi.org/10.24014/jsms.v10i2.27141

Refbacks

  • There are currently no refbacks.


Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id