AGUSTIN, Dina Umi (2022) Analisis Forecasting Harga Saham Dengan Penggabungan Model ARIMA dan ANN (Studi Pada Perusahaan Perdagangan, Jasa dan Investasi Sub Sektor Perdagangan Eceran yang Terdaftar di Bursa Efek Indonesia Periode 2016-2020). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Download (205kB)
	PDF (Legalitas) LEGALITAS-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Restricted to Repository staff only Download (591kB)
	PDF (Abstrak) ABSTRAK-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Download (304kB)
	PDF (BabI) BAB I-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Restricted to Repository staff only until 19 August 2023. Download (284kB)
	PDF (BabII) BAB II-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Restricted to Registered users only until 19 August 2023. Download (732kB)
	PDF (BabIII) BAB III-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Restricted to Repository staff only until 19 August 2023. Download (552kB)
	PDF (BabIV) BAB IV-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB V-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Download (214kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Download (216kB)
	PDF (Lampiran) LAMPIRAN-Dina Umi Agustin-C1B016083-Skripsi-2022.pdf Restricted to Repository staff only Download (4MB)

Abstract

Penelitian ini merupakan penelitian yang menganalisis tentang forecasting harga saham perusahaan perdagangan, jasa dan investasi sub sektor perdagangan eceran yang terdaftar di Bursa Efek Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui apakah model Autoregressive Integrated Moving Average (ARIMA), Artificial Neural Network (ANN) dan gabungan kedua model tersebut dapat digunakan untuk memprediksi harga saham serta mencari tahu hasil prediksi terbaik dari ketiga cara tersebut. Alat analisis yang digunakan dalam penelitian meliputi uji stasioneritas, uji ARIMA, uji ANN, uji ANN dengan data residual ARIMA untuk model penggabungan serta mencari nilai RMSE terkecil diantara ketiga pengujian model tersebut. sampel yang digunakan berjumlah 18 perusahaan. Model penentuan sampel dilakukan dengan menggunakan purposive sampling. Berdasarkan hasil penelitian dan analisis data untuk melakukan forecasting baik model ARIMA dan ANN dapat digunakan untuk melakukan forecasting dengan baik. Selain itu, hasil menunjukkan bahwa penggabungan kedua model menghasilkan nilai RMSE terkecil sehingga model terbaik untuk melakukan forecasting harga saham adalah model gabungan ARIMA-ANN. Hasil dari penelitian ini diharapkan dapat menambah wawasan mengenai penggunaan model ARIMA dan ANN untuk melakukan forecasting pada harga saham khususnya pada perusahaan perdagangan, jasa dan investasi sub sektor perdagangan eceran. Selain itu penelitian ini diharapkan dapat memperkuat penelitian selanjutnya dan dapat digunakan sebagai referensi untuk penelitian selanjutnya. Selain itu, hasil dari penelitian ini diharapkan dapat menjadi salah satu alat bagi investor maupun perusahaan dalam melakukan keputusan investasi karena ARIMA dan ANN memiliki hasil akurasi yang baik dalam melakukan forecasting. Selain itu, penggabungan dengan model tersebut dapat menghasilkan nilai RMSE yang semakin kecil sehingga diharapkan nilai prediksi dan kenyataan di masa mendatang tidak berbeda terlalu jauh dengan prediksi yang sudah dilakukan. Dengan melakukan forecasting, investor dapat memperkiraan berapa harga saham di masa mendatang dan meperhitungkan apakah akan menjual atau membeli saham tersebut di kemudian hari. Bagi perusahaan, hal ini bisa menjadi salah satu model untuk menentukan kebijakan di masa mendatang. Kata Kunci: Forecasting, Saham, Gabungan, ARIMA, ANN, RMSE

Actions (login required)

View Item