Penerapan Model Hybrid ARIMA-Neural Network pada Data Saham IHSG
Ariane Yustisiani Mutmainah, Jadi Suprijadi, Zulhanif Zulhanif · Prosiding Seminar Nasional Statistika | Departemen Statistika FMIPA Universitas Padjadjaran · 2017
Indeks Harga Saham Gabungan adalah gambaran ringkas dari dampak simultan dan kompleks dari beberapa faktor yang mempengaruhi, terutama fenomena-fenomena ekonomi. Umumnya data indeks saham memiliki tiga karakteristik yaitu noisy, tidak stasioner, dan ketidak beraturan secara deterministik (Deboeck dan Yaser dalam Tay dan Cao, 2001). Berdasarkan karakteristik tersebut, maka dibutuhkan suatu metode yang tepat dan efektif untuk peramalan pada data IHSG. Karakteristik data IHSG yang diduga mengandung pola linier dan non linier sekal igus, maka permasalahan tersebut dapat diminimalisir dengan pengembangan yang mengkombinasikan ANN dengan model lain Menurut Zhang (2003) terdapat tiga alasan digunakannya pengkombinasian model ANN dan ARIMA, yaitu : 1. Sering ditemukan kesulitan dalam penerapan model linier atau non linier pada kasus time series; 2. Kasus time series jarang yang linier atau non linier saja dan sering mengandung keduanya, sehingga pengkombinasian model ARIMA dan ANN dapat menjadi alternatif untuk memodelkan time series yang mengandung model linier dan non linier; 3. Tidak ada model tunggal yang terbaik pada setiap kasus peramalan. Salah satu kombinasi yang pernah dicobakan untuk peramalan time series adalah model ANN dengan model ARIMA dalam menggabungkan beberapa model menjadi s atu adalah menghasilkan ramalan dengan tingkat akurasi yang lebih baik secara rata-rata dibandingkan dengan model tunggal lainnya. Berdasarkan beberapa fenomena yang telah dijelaskan sebelumnya, maka pada penelitian ini akan dilakukan peramalan pada data saham IHSG menggunakan Hybrid ARIMA-Artificial Neural Network (ANN) untuk mendapatkan hasil peramalan dengan tingkat akurasi yang lebih baik.