JSIKA Vol. 5, No. 8, Tahun 2016 ISSN X

Transkripsi

1 JSIKA Vol., No. 8, Tahun 6 ISSN X Analisis Peramalan Menggunakan Metode Arif Rahman ) Sulistiowati 2) Julianto Lemantara 3) Program Studi/Jurusan Sistem Informasi Institut Bisnis dan Informatika Stikom Surabaya, Sistem Informasi Jl. Raya Kedung Baruk 98 Surabaya, )Arifinspire7@gmail.com, 2)Sulist@stikom.edu, 3)Julianto@stikom.edu Abstract: Nowadays, lot of people make an investments to get a passive income. This is used by many companies to acquire financial resources through the stock offering to society. However, the stock is a type of investment that has the potential for greater gains and losses than other types of investment. This happens because of the difficulty of predicting the change of stock prices that. To be able to predict the stock prices fluctuated, it needed a forecast of stock price in the future. One of the method that can be used to forecast is the method. Based on trial and forecasting evaluation, it is known that, this analysis produces the best model that can be used to forecasting the next five periods, so it can help the society to predicting the stock prices of,, ISAT, and TLKM. Best models for forecasting the stock prices of is (,,0), to forecasting the stock prices of is (0,,), to forecasting the stock prices of ISAT is (,2,2), and to forecasting the stock prices of TLKM is (,,). Keywords: Investment, Stock Price, Forecasting, Pada saat ini banyak masyarakat yang melakukan investasi untuk mendapatkan passive income. Investasi merupakan suatu komitmen penempatan dana pada satu atau beberapa objek investasi. Ada berbagai macam jenis investasi yang biasanya dipilih oleh masyarakat umum, diantaranya, deposito, saham, emas batangan, obligasi, reksadana, unit link, dan lainlain. Jenisjenis investasi tersebut memiliki kelebihan dan kekurangan masingmasing, ada yang berisiko tinggi dengan peluang imbalan juga tinggi. Sebaliknya, ada yang lebih aman dengan risiko rendah namun imbalan juga rendah (Oei, 09). Hal ini dimanfaatkan oleh banyak perusahaan untuk memperoleh sumber daya keuangan melalui penawaran saham kepada masyarakat. adalah surat berharga yang merupakan tanda kepemilikian seseorang atau badan terhadap perusahaan (Oei, 09). dibagi menjadi dua jenis, yaitu saham biasa (common stock), dan saham preferen (preffered stock). biasa (common stock) adalah saham dimana pemegang saham mewakili kepemilikan di perusahaan sebesar modal yang ditanamkan, di Indonesia dapat dengan mudah membeli saham pada perusahaan yang berstatus terbuka (Tbk). Sedangkan, saham preferen (preffered stock) adalah produk campuran antara saham biasa dengan efek pendapatan tetap (Hidayat,: 72). Berinvestasi dalam bentuk saham dipercaya dapat memberikan keuntungan besar bagi para investornya. Hal tersebut menjadi daya tarik bagi pelaku bisnis untuk bergabung menjadi investor dengan harapan memperoleh keuntungan sebagai akibat terjadinya perubahan atas harga saham. Keuntungan yang diperoleh investor salah satunya adalah capital gain. Capital gain merupakan selisih antara harga beli dan harga jual, dimana harga beli lebih rendah dibandingkan harga jualnya. Sedangkan, risiko kerugian yang dapat diperoleh investor adalah capital loss yang merupakan kebalikan dari capital gain. Capital loss terjadi jika investor menjual saham lebih rendah dibandingkan harga belinya (PT. Bursa Efek Indonesia, 0). merupakan jenis investasi yang memiliki potensi tingkat keuntungan dan kerugian yang lebih besar dibandingkan jenis investasi lainnya. Hal tersebut terjadi dikarenakan sulitnya memprediksi pergerakan harga saham yang cenderung bersifat fluktuatif (Hendarto, 0). Apabila investor salah melakukan prediksi terhadap harga saham akan menimbulkan kerugian finansial yang, terlebih jika investor memiliki lembar saham yang cukup banyak pada emiten tersebut. Untuk bisa memprediksi harga saham yang bersifat fluktuatif tersebut maka diperlukan JSIKA Vol., No. 8, Tahun 6, ISSN X Page

2 JSIKA Vol., No. 8, Tahun 6 ISSN X sebuah peramalan harga saham pada periode mendatang. Salah satu metode yang dapat digunakan untuk meramalkan adalah metode. Dengan adanya peramalan harga saham ini, diharapkan mampu membantu masyarakat dalam memprediksi harga saham beberapa emiten. METODE Ada dua tahap yang akan dilakukan dalam penelitian ini. Tahap yang pertama adalah pengumpulan data, dan tahap yang kedua adalah pengolahan data. Pengumpulan Data Penelitian ini dimulai dari pengumpulan data, jenis data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Yahoo Finance. Data yang dikumpulkan adalah data harga penutupan saham harian pada emiten,, ISAT, dan TLKM mulai dari periode 2 Februari 4 sampai 9 Februari 6 sebanyak periode. Berikut ini adalah data mentah yang telah dikumpulkan : Tabel Data Histori Tanggal 2/2/4 2 2/24/ /2/ /7/ /8/6 39 2/9/ Tabel 2 Data Histori Tanggal 2/2/ /24/ /2/ /7/6 9 2/8/6 2/9/6 Tabel 3 Data Histori ISAT ISAT Tanggal 2/2/4 399 ISAT Tanggal 2 2/24/ /2/ /7/ /8/6 0 2/9/6 7 Tabel 4 Data Histori TLKM TLKM Tanggal 2/2/4 2 2/24/ /2/ /7/ /8/6 3 2/9/6 39 Pengolahan Data Tahap yang kedua adalah melakukan pengolahan data. Pengolahan data ini dilakukan menggunakan metode dengan bantuan software Minitab 6. Proses pengolahan data dapat dilihat pada blok diagram dibawah ini. INPUT PROSES OUTPUT Data Histori Sektor Telekomunikasi (,, ISAT, TLKM) Mengidentifikasi Melakukan Estimasi Parameter dan Pengecekan Melakukan Uji Coba Peramalan Sementara Terbaik Hasil Peramalan Sektor Telekomunikasi (,, ISAT, TLKM) Gambar Blok Diagram Analisis Peramalan Menggunakan Metode Blok diagram yang terlihat pada Gambar dibentuk sesuai dengan pendekatan BoxJenkins. Menurut Hanke dan Wichern (09), dasar dari pendekatan BoxJenkins adalah sebagai berikut :. Tahap Identifikasi Tahap ini dimulai dengan uji stasioneritas data, yaitu menentukan apakah data harga saham,, ISAT, dan TLKM bersifat stasioner atau tidak. Uji stasioneritas data dilakukan dengan plotting data, uji JSIKA Vol., No. 8, Tahun 6, ISSN X Page 2

3 JSIKA Vol., No. 8, Tahun 6 ISSN X autokorelasi (ACF) dan uji autokorelasi parsial (PACF). Jika data harga saham,, ISAT, dan TLKM tersebut tidak stasioner, maka dapat dikonversi menjadi data stasioner dengan proses diferensiasi (differencing) yaitu menghitung selisih nilai observasi. Setelah data tersebut stasioner, langkah selanjutnya adalah mengidentifikasi model sementara untuk masingmasing harga saham (,, ISAT, dan TLKM). Identifikasi model sementara dilakukan dengan cara membandingkan koefisien autokorelasi (ACF) dan koefisen autokorelasi parsial (PACF) untuk menentukan model yang paling sesuai, apakah (p,0,0), atau (0,0,q), atau (p,0,q), atau (p,d,q). Nilai d ditentukan oleh data itu sendiri. Jika stasioner, maka nilai d = 0, sedangkan untuk data tidak stasioner nilai d>0, sesuai banyaknya proses diferensiasi yang dilakukan. Tabel Identifikasi Pola ACF Pola PACF AR(p) MA(q) ARMA(p,q) AR(p) atau MA(q) Bukan AR(p) atau MA(q) (white noise atau random proses) Menurun secara cepat hingga lag keq setelah lag keq Menurun secara cepat hingga lag keq setelah lag keq Tidak ada spike yang hingga lag ckep setelah lag kep Menurun secara cepat Menurun secara cepat hingga lag kep setelah lag kep Tidak ada spike yang 2. Tahap Estimasi Estimasi parameter model dilakukan terhadap model sementara untuk masingmasing harga saham (,, ISAT, dan TLKM) dengan menggunakan p value atau menggunakan statistik t. Jika menggunakan pvalue, kesimpulan dapat ditarik tanpa harus melihat tabel pvalue karena cukup membandingkannya dengan batas toleransi (α). Apabila pvalue bernilai lebih kecil dibandingkan nilai batas toleransi (α) maka dapat dikatakan parameter tersebut berbeda dari nol. Parameter yang nilainya berbeda dari nol dapat dipertahankan. Parameter yang nilainya tidak berbeda signifkan dari nol dapat dieliminasi dari model. Untuk menghitung Mean Squared Error, dapat menggunakan rumus sebagai berikut :...() Dengan : et = Yt Ŷt = residual pada waktu ket n = nilai residual r = jumlah parameter yang diestimasi 3. Tahap Pengecekan Setelah estimasi parameter model dilakukan, maka parameterparameter tersebut harus diuji tingkat sinya untuk mengetahui apakah parameter tersebut white noise (bersifat random) atau tidak. White noise adalah data yang telah stasioner. Data stasioner merupakan syarat dalam penggunaan metode. Untuk melihat sifat white noise dari data tersebut, perlu dilakukan pengujian terhadap nilai koefisien autokorelasi, dengan menggunakan Uji LjungBox. Berikut ini adalah fungsi Uji LjungBox : n(n )..( ) k Dengan : r k (e) = autokorelasi residual untuk time lag ke k n = nilai residual k = time lag kek m = time lag maksimum Jika pvalue yang terkait pada Q (Uji Ljung Box) lebih kecil dari, maka model tersebut dinyatakan tidak layak digunakan. Sehingga harus menentukan atau memodifikasi model baru hingga model tersebut dianggap layak untuk digunakan. JSIKA Vol., No. 8, Tahun 6, ISSN X Page 3

4 ISAT TLKM JSIKA Vol., No. 8, Tahun 6 ISSN X 4. Tahap Peramalan dengan Apabila model yang layak telah didapatkan, maka langkah selanjutnya adalah melakukan uji coba peramalan dengan model tersebut untuk lima periode mendatang, sehingga mendapatkan hasil ramalan harga saham masingmasing emiten (,, ISAT, dan TLKM). Hasil uji coba peramalan tersebut akan dievaluasi dengan membandingkan antara data aktual dengan hasil ramalan serta menghitung tingkat kesalahan ramalannya. yang memiliki tingkat kesalahan hasil ramalan yang terkecil akan dinyatakan sebagai model terbaik untuk melakukan peramalan. PEMBAHASAN DAN HASIL Analisis peramalan harga saham dilakukan terhadap tiaptiap emiten (,, ISAT, dan TLKM) melalui empat tahapan, yaitu tahap identifikasi model, tahap estimasi model, tahap pengecekan model,dan tahap peramalan dengan model.. Tahap Identifikasi Langkah pertama dalam tahap ini adalah melakukan uji stasioneritas data dengan cara plotting data, uji autokorelasi (ACF), dan uji autokrelasi parsial (PACF) Time Series Plot of Time Series Plot of (a) (b) (c) (d) Gambar 3 Korelogram ACF (a) (b) (c) ISAT (d) TLKM Uji stasioneritas juga bisa dilakukan dengan uji autokorelasi parsial (PACF) seperti pada Gambar 4 yang menunjukkan bahwa koefisienn pada lag pertama berbeda dari nol, sedangkan pada laglag berikutnya tidak berbeda dari nol. Hal ini menunjukkan bahwa data tersebut tidak stasioner Function for (with % significance limits for the autocorrelations) 0 2 (a) Function for ISAT (with % significance limits for the autocorrelations) 0 2 Function for (with % significance limits for the partial autocorrelations) 0 2 Function for ISAT (with % significance limits for the partial autocorrelations) Function for (with % significance limits for the autocorrelations) 0 2 Function for TLKM (with % significance limits for the autocorrelations) 0 2 Function for (with % significance limits for the partial autocorrelations) 0 2 (b) Function for TLKM (with % significance limits for the partial autocorrelations) (a) Time Series Plot of ISAT (b) (c) (d) Gambar 2 Plot Data (a) (b) (c) ISAT (d) TLKM Pada Gambar 2 menunjukkan bahwa data harga saham,, ISAT, dan TLKM bersifat tidak stasioner. Hal ini juga terlihat pada Gambar 3 bahwa koefisien autokorelasi (ACF) pada beberapa lag berbeda dari nol, mulai dari lag pertama hingga laglag berkutnya turun secara lambat Time Series Plot of TLKM (c) (d) Gambar 4 Korelogram PACF (a) (b) (c) ISAT (d) TLKM Untuk melakukan proses peramalan dengan metode diperlukan data yang bersifat stasioner, maka perlu dilakukan proses diferensiasi (differencing) terhadap data harga saham,, ISAT, dan TLKM. Setelah dilakukan proses diferensiasi (differencing), maka langkah selanjutnya adalah mengidentifikasi model sementara. Hasil identifikasi model dapat dilihat pada Tabel 6. Tabel 6 Sementara 6.0 (,,0) (0,,) (2,,0) JSIKA Vol., No. 8, Tahun 6, ISSN X Page 4

5 JSIKA Vol., No. 8, Tahun 6 ISSN X ISAT TLKM (0,,2) (2,,0) (0,,2) (,,0) (0,,) (,2,2) (,2,0) (0,2,) (2,,0) (0,,2) (2,,) (,,2) (,,) 2. Tahap Estimasi Setelah model sementara untuk masingmasing emiten,, ISAT, dan TLKM teridentifikasi, maka tahap berikutnya adalah melakukan estimasi parameter dari modelmodel tersebut. Estimasi parameter dilakukan dengan cara membandingkan pvalue dengan batas toleransi (α). Hasil dari tahap estimasi parameter model dapat dilihat pada Tabel 7. Tabel 7 Hasil Estimasi Parameter Signifikansi Parameter (,,0) Signifikan (0,,) Signifikan (2,,0) Tidak Signifikan (0,,2) Tidak Signifikan (2,,0) Signifikan (0,,2) Signifikan (,,0) Signifikan (0,,) Signifikan (,2,2) Signifikan ISAT (,2,0) Signifikan (0,2,) Signifikan (2,,0) Tidak Signifikan (0,,2) Tidak Signifikan TLKM (2,,) Signifikan (,,2) Tidak Signifikan (,,) Signifikan 3. Tahap Pengecekan Tahap ketiga adalah pengecekan model dengan menggunakan Uji LJungBox. Dimana, jika pvalue pada lag ke2,24, 36, dan 48 bernilai lebih besar dari pada (minimal ada lag memiliki pvalue lebih besar dari pada ) maka dapat dikatakan model tersebut bersifat white noise. Hasil dari pengecekan model dapat dilihat pada Tabel 8. Tabel 8 Hasil Pengecekan (Uji LJung Box) White Noise (,,0) Ya (0,,) Ya (2,,0) Ya (0,,2) Ya (2,,0) Ya (0,,2) Ya (,,0) Ya (0,,) Ya (,2,2) Ya ISAT (,2,0) Tidak (0,2,) Ya (2,,0) Ya (0,,2) Ya TLKM (2,,) Ya (,,2) Ya (,,) Ya Setelah melakukan pengecekan model, dapat diketahui model mana saja yang dianggap layak. dikatakan layak apabila memiliki parameter dan bersifat White Noise, dapat dilihat pada Tabel 9. Tabel 9 yang Layak Digunakan (Layak) ISAT (,,0) (0,,) (2,,0) (0,,2) (,,0) (0,,) (,2,2) (0,2,) JSIKA Vol., No. 8, Tahun 6, ISSN X Page

6 JSIKA Vol., No. 8, Tahun 6 ISSN X TLKM (Layak) (2,,) (,,) 4. Tahap Peramalan dengan Tahap keempat adalah melakukan uji coba peramalan dengan model yang dianggap layak. Tabel 0 Hasil Uji Coba Peramalan (,,0) (0,,) Tabel Hasil Uji Coba Peramalan (2,,0) (0,,2) (,,0) (0,,) Tabel 2 Hasil Uji Coba Peramalan ISAT (,2,2) (0,2,) Tabel 3 Hasil Uji Coba Peramalan TLKM (2,,) (,,) EVALUASI Setelah uji coba peramalan dilakukan terhadap data harga saham,, ISAT, dan TLKM maka langkah selanjutnya adalah melakukan evaluasi terhadap hasil uji coba tersebut. Evaluasi dilakukan dengan cara membandingkan antara data aktual dengan hasil ramalan serta menghitung tingkat kesalahan hasil ramalannya. Tabel 4 Perbandingan Tingkat Kesalahan Hasil Ramalan % (,,0) (0,,) % JSIKA Vol., No. 8, Tahun 6, ISSN X Page Tabel Perbandingan Tingkat Kesalahan Hasil Ramalan (2,,0) (0,,2) (,,0) (0,,) % % % % Tabel 6 Perbandingan Tingkat Kesalahan Hasil Ramalan ISAT (,2,2) (0,2,) % % 8949 Tabel 7 Perbandingan Tingkat Kesalahan Hasil Ramalan TLKM (2,,) (,,) % % 007 Tingkat kesalahan hasil ramalan yang didapatkan dari modelmodel tersebut akan dibandingkan dan dicari yang terkecil, sehingga model yang memiliki tingkat kesalahan hasil ramalan terkecil menunjukkan bahwa model tersebut merupakan model terbaik yang digunakan untuk melakukan peramalan. KESIMPULAN Berdasarkan análisis peramalan harga saham yang telah dilakukan menggunakan metode dapat disimpulkan sebagai berikut :. terbaik yang digunakan untuk peramalan harga saham adalah (,,0) dengan MSE sebesar , MAD sebesar , MAPE sebesar.2472 %, dan MPE sebesar terbaik yang digunakan untuk peramalan harga saham adalah (0,,) dengan MSE sebesar , MAD sebesar , MAPE sebesar.0726%, dan MPE sebesar

7 JSIKA Vol., No. 8, Tahun 6 ISSN X 3. terbaik yang digunakan untuk peramalan harga saham ISAT adalah (,2,2) dengan MSE sebesar , MAD sebesar 242.4, MAPE sebesar %, dan MPE sebesar terbaik yang digunakan untuk peramalan harga saham TLKM adalah (,,) dengan MSE sebesar , MAD sebesar 32.72, MAPE sebesar.00%, dan MPE sebesar 007. terbaik yang telah ditentukan mampu membantu masyarakat dalam meramalkan harga saham,, ISAT, dan TLKM. SARAN Adapun saransaran yang dapat diberikan kepada peneliti berikutnya adalah sebagai berikut :. Penelitian ini dapat dikembangkan lebih lanjut dengan melakukan peramalan harga saham per jamnya. 2. Peneliti lain dapat melakukan peramalan dengan menggunakan metode lain berdasarkan pola data yang sesuai. RUJUKAN Hanke, John E., dan Wichern, Dean W. 09. Business Forecasting Ninth Edition. New York : Pearson Educational. Hendarto, Kusumarsono. 0. Belajar Trading : Pahami Trading Sebelum Anda Memulai. Yogyakarta : Andi. Hidayat, Taufik.. Buku Pintar Investasi Syariah. Jakarta : Mediakita. Oei, Istijanto. 09. Kiat Investasi Valas, Emas,. Jakarta : PT. Gramedia Pustaka Utama. PT. Bursa Efek Indonesia. 0. Informasi Bagi Investor Ekuitas. URL : m.aspx. Diakses pada tanggal 26 Februari 6. JSIKA Vol., No. 8, Tahun 6, ISSN X Page 7