BAB 1 PENDAHULUAN 1.1 Latar Belakang Perdagangan saham merupakan salah satu motor penggerak ekonomi suatu negara. Sekuritas (saham) merupakan surat yang menunjukkan hak pemodal (yaitu pihak yang memiliki surat tersebut) untuk memperoleh bagian dari prospek atau kekayaan organisasi yang menerbitkan sekuritas tersebut dan berbagai kondisi yang memungkinkan pemodal tersebut menjalankan haknya, demikian menurut Husnan (2002:303). Dewasa ini, saham kerap diperdagangkan dan berhasil mengundang minat investor baik asing maupun lokal untuk menanamkan modalnya. Sehingga perdagangan saham merupakan salah satu roda utama ekonomi suatu negara. Aktivitas jual beli saham di pasar bursa dipengaruhi oleh berbagai faktor, salah satunya yaitu harga saham. Menurut Sartono (2001:70), harga pasar saham terbentuk melalui mekanisme permintaan dan penawaran di pasar modal. Harga saham cenderung bersifat fluktuatif dan mengalami perubahan naik turun dari satu waktu ke waktu yang lain. Perubahan tersebut tergantung pada kekuatan permintaan dan penawaran. Indeks Harga Saham Gabungan (IHSG) merupakan indikator utama yang menggambarkan pergerakan harga saham di pasar modal. Indeks Harga Saham Gabungan (IHSG) adalah suatu rangkaian informasi historis mengenai pergerakan harga saham gabungan, sampai tanggal tertentu dan mencerminkan suatu nilai yang berfungsi sebagai pengukuran kinerja suatu saham gabungan di bursa efek (Sunariyah, 2003:147). Menurut Anoraga dan Pakarti (2001:101), IHSG merupakan indeks yang menunjukkan pergerakan harga saham secara umum yang tercatat di bursa efek yang menjadi acuan tentang perkembangan kegiatan di pasar modal. IHSG dapat digunakan untuk menilai situasi pasar secara umum atau mengukur apakah harga saham mengalami kenaikan atau penurunan. IHSG melibatkan seluruh harga saham yang tercatat di bursa. Para investor saham tentu ingin mendapatkan keuntungan yang maksimal dan kerugian minimal dari kegiatan jual beli saham yang ia lakukan. Hal ini 1
2 akan dapat lebih mudah tercapai apabila para investor dapat mengantisipasi posisi harga saham yang sedang dan akan berlangsung, salah satunya dengan cara melihat nilai dan pergerakan IHSG. Sebagaimana telah disebutkan sebelumnya, pergerakan nilai IHSG yang cenderung fluktuatif seiring berjalannya waktu dapat terjadi berdasarkan berbagai faktor. Namun pergerakan nilai IHSG ini dapat diprediksi dan dianalisis, salah satunya dengan pendekatan fuzzy time series, karena pergerakan nilai IHSG mempunyai pergerakan yang progresif seiring dengan berjalannya waktu. Di samping itu logika fuzzy time series cocok diaplikasikan pada analisis prediksi suatu set data runtun waktu di mana variabel dari datadata tersebut bersifat ambigu dan tidak lengkap, sesuai dengan sifat dari nilai IHSG yang bersifat real time dan variabelnya dipengaruhi oleh situasi lingkungan yang bersifat ambigu. Beberapa peneliti telah menggunakan metode fuzzy time series untuk melakukan proses prediksi. Di antaranya ditunjukkan dengan jurnal berjudul Forecasting Model Based On Fuzzy Time Series Approach oleh Samira M. Boaisha dan Saleh M. Amaitik (2010) yang menggunakan metode ini dalam memprediksi data dari Arabian Gulf Oil Company dan mengevaluasi akurasi dari metode tersebut. Menurut mereka, model fuzzy time series dapat melakukan prediksi secara cukup akurat. Selain itu, S.R. Singh (2006) juga melakukan prediksi dengan metode fuzzy time series pada jurnalnya yang berjudul Fuzzy Time Series for Forecasting. Penelitian ini menggunakan data pendaftaran mahasiswa baru pada suatu universitas dan data produksi padi dengan model fuzzy time series. Hasil penelitian menyatakan bahwa model fuzzy time series mempunyai kemampuan dan akurasi yang baik dalam melakukan analisis prediksi. Penggunaan metode fuzzy time series dalam memprediksi nilai IHSG juga pernah dilakukan oleh Seng Hansun (2012) dalam jurnalnya yang berjudul Peramalan Data IHSG Menggunakan Fuzzy Time Series. Hansun menyatakan bahwa metode peramalan fuzzy time series memberikan hasil peramalan yang cukup baik untuk peramalan data IHSG. Dalam paper berjudul Computational Method Based on Distribution in Fuzzy Time Series Forecasting (2013), Manikandan. M, Dr. Senthamarai Kannan. K, dan Deneshkumar. V menggunakan model fuzzy time series
3 berbasis distribusi statistika dalam memprediksi jumlah korban dari serangan teroris. Hasil dari penelitian menunjukkan bahwa akurasi peramalan dengan menggunakan metode yang diusung tersebut menghasilkan persentase error yang relatif kecil. P. Arumugam beserta rekannya V. Anithakumari dalam jurnal berjudul Fuzzy Time Series Method for Forecasting Taiwan Export Data (2013) mempelajari kemampuan fuzzy time series dalam melakukan peramalan dan membandingkannya dengan metode ARIMA. Peramalan dilakukan terhadap data ekspor Taiwan dengan menggunakan data ekspor Taiwan beberapa tahun terakhir. Kesimpulan yang didapat dari penelitian tersebut yakni peramalan dengan menggunakan metode fuzzy time series menghasilkan nilai peramalan yang lebih baik dibandingkan dengan metode ARIMA. Selain melalui pendekatan fuzzy time series, analisis prediksi suatu nilai juga dapat dilakukan dengan pendekatan Markov model. Pada penelitian yang berjudul Application of Markov Chain in Forecasting Demand of Trading Company (Hamed Alipoor Talemi, Kiyoumars Jahanbani, Arash Heidarkhani, Afshin Azad Khomami, Amin Torabi Gol Sefidi, Seyed Abbas Abolghasemi, 2013), digunakan Markov Chain untuk kegiatan prediksi dalam bidang bisnis, khususnya jumlah permintaan pada sebuah trading company. Hasil penelitian menunjukkan bahwa metode Markov Chain masih menjadi salah satu metode yang handal dalam kegiatan prediksi. Tie Liu dalam jurnalnya yang berjudul Application of Markov Chains to Analyze and Predict the Time Series (2010) mengaplikasikan Markov Chain dalam menganalisis dan memprediksi suatu data time series. Beliau menyebutkan bahwa dalam memprediksi suatu data time series, performa dan kefektifan model Markov Chain memuaskan. Prediksi dengan menggunakan Markov Chain juga dilakukan oleh Milan Svoboda dan Ladislav Lukáš dalam paper-nya yang berjudul Application of Markov Chain Analysis to Trend Prediction of Stock Indices (2012). Tujuan dari paper ini yaitu memprediksi tren dari indeks saham dari pasar bursa Prague dengan menggunakan data time series dari nilai penutupan indeks saham dari 5 Januari 2004 sampai 12 Desember 2009, dengan menggunakan analisis Markov Chain. Paper ini menyebutkan bahwa hasil dari prediksi jangka pendek dengan menggunakan analisis Markov Chain banyak digunakan
4 dalam berbagai strategi investasi. Hal ini menunjukkan bahwa Markov Chain merupakan salah satu metode yang efektif dalam peramalan. Model Markov dikenal mempunyai performa yang baik dalam proses prediksi, khususnya dalam skripsi ini, proses yang akan dibahas yaitu proses prediksi nilai IHSG. Maka dari itu analisis prediksi pergerakan nilai IHSG yang kian berubah-ubah dari waktu ke waktu diharapkan dapat dengan lebih akurat dilakukan dengan gabungan dari metode fuzzy time series dan model Markov, menghasilkan metode Fuzzy Time Series Markov Chain Model. Metode Fuzzy Time Series Markov Chain Model sendiri pertama kali dikemukakan oleh Ruey-Chyn Tsaur (2012). Dalam penelitian ini diuraikan tentang analisis keakuratan prediksi nilai tukar mata uang Taiwan dengan US Dollar menggunakan metode Fuzzy Time Series Markov Chain Model. Ruey- Chyn Tsaur menyatakan bawa metode Fuzzy Time Series Markov Chain Model memberikan akurasi yang cukup baik dalam perhitungan peramalan. Prediksi menggunakan Fuzzy Markov model juga digunakan dalam menganalisis data export & forex Taiwan oleh Hsien-Lun Wong & Chi-Chen Wang (2011). Penelitian tersebut menyatakan bahwa Markov model baik digunakan dalam kegiatan prediksi dan Fuzzy Markov model mempunyai akurasi yang lebih baik pada periode peramalan yang panjang. Berdasarkan hal tersebut, maka skripsi ini disusun untuk menganalisis akurasi nilai prediksi metode Fuzzy Time Series Markov Chain Model pada kasus pergerakan nilai IHSG. Untuk memudahkan proses analisis keakuratan prediksi nilai IHSG menggunakan metode Fuzzy Time Series Markov Chain Model sesuai dengan yang diuraikan sebelumnya, maka dirancanglah sebuah program yang bertujuan untuk memudahkan perhitungan dan pada akhirnya akan mengeluarkan hasil yang dapat dibaca oleh user, sehingga proses analisis dapat dilakukan secara lebih efisien, mudah, teliti, dan praktis. Program ini dirancang dengan berbasis web.
5 1.2 Formulasi Masalah Permasalahan yang akan dibahas dalam skripsi ini adalah sebagai berikut: 1. Bagaimana prediksi nilai IHSG dengan menggunakan metode Fuzzy Time Series Markov Chain Model? 2. Bagaimana akurasi yang dihasilkan metode Fuzzy Time Series Markov Chain Model? 1.3 Ruang Lingkup Mengingat luasnya topik dari pembahasan maka penulis membatasi masalah yang dibahas sebagai berikut: 1. Prediksi pergerakan nilai IHSG dilakukan untuk meramalkan 1 hari ke depan dengan menggunakan metode Fuzzy Time Series Markov Chain Model. 2. Data yang digunakan adalah data penutupan nilai IHSG (Adj Close) pada hari kerja mulai dari 2 Desember 2013 sampai dengan 3 Juni 2014 dari website Yahoo Finance (http://finance.yahoo.com/q/hp?s=%5ejkse+historical+prices). 3. Hasil dari penelitian ini tidak mempertimbangkan kejadian-kejadian ekstrim yang mungkin akan mempengaruhi hasil prediksi tersebut. 4. Prediksi dilakukan dengan bantuan program yang dirancang. 5. Pengukuran akurasi prediksi menggunakan Mean Absolute Percentage Error (MAPE) dan Mean Absolute Deviation (MAD). 1.4 Tujuan dan Manfaat Tujuan Tujuan yang ingin dicapai adalah sebagai berikut : 1. Melakukan analisis dan membuat konstruksi perhitungan prediksi nilai penutupan IHSG dengan metode Fuzzy Time Series Markov Chain Model. 2. Merancang dan mengimplementasikan metode Fuzzy Time Series Markov Chain Model ke dalam program aplikasi. 3. Memperoleh hasil prediksi nilai penutupan IHSG dengan metode Fuzzy Time Series Markov Chain Model.
6 4. Mengetahui akurasi hasil prediksi nilai penutupan IHSG dengan metode Fuzzy Time Series Markov Chain Model. Manfaat Manfaat yang ingin dicapai adalah sebagai berikut: 1. Bagi Pembaca: menambah pengetahuan tentang penghitungan prediksi nilai penutupan IHSG menggunakan Fuzzy Time Series Markov Chain Model. 2. Bagi Peneliti Lain: memberikan referensi untuk materi yang masih berhubungan untuk dikembangkan lebih lanjut dikemudian hari. 3. Bagi Penulis: menambah wawasan tentang Fuzzy Time Series Markov Chain Model dalam proses perhitungan prediksi nilai penutupan IHSG, mengetahui tingkat akurasi metode tersebut dalam proses prediksi, serta memperkaya pengetahuan pemrograman. 4. Bagi Pengguna, khususnya Investor: untuk memprediksi nilai penutupan IHSG pada waktu yang akan datang sehingga diharapkan metode ini dapat membantu investor dalam memprediksi nilai IHSG guna membantu dalam pengambilan keputusan. 1.5 Sistematika Penulisan Sistematika penulisan dalam skripsi ini terbagi menjadi lima bagian, yaitu : 1. Bab 1 Pendahuluan Bab ini membahas tentang latar belakang, formulasi masalah, ruang lingkup, tujuan dan manfaat, dan sistematika penulisan. 2. Bab 2 Landasan Teori Bab ini membahas tentang teori-teori yang digunakan sebagai landasan berpikir dalam pembuatan sistem, aplikasi dan penulisan skripsi ini. 3. Bab 3 Metode Penelitian Bab ini berisi cara untuk mendapatkan dan menganalisis data untuk menguji hipotesis serta mendapatkan jawaban penelitian. 4. Bab 4 Analisis dan Simulasi Bab ini menjelaskan tentang analisis metode yang digunakan, analisis perancangan, proses implementasi sistem dan aplikasi, serta hasil dari
7 evaluasi yang dilakukan setelah aplikasi diimplementasikan dengan data yang ada. 5. Bab 5 Simpulan dan Saran Berisi kesimpulan dari sistem yang sudah dibangun dan aplikasi yang sudah dibuat dan juga saran-saran untuk pengembangan sistem dan aplikasi ke depannya.
8