Anda di halaman 1dari 4

Aplikasi Rantai Markov Terhadap Perubahan Saham Google Inc.

Akhmad Faudzan Bakri


Program Studi Ilmu Komputasi, Universitas Telkom
Abstrak : Inovasi peramalan harga saham pada suatu perusahan sudah menjadi hal yang sangat
penting, karena dengan memprediksi perubahan pada harga saham maka kerugian bisa diminimalisir.
Ada banyak metode yang bisa digunakan. Pada penelitian ini saya mencoba untuk memprediksi
kemungkinan naik dan turunnya harga saham suatu perusahaan ternama yaitu Google Inc. dengan
menggunakan metode Rantai Markov Waktu Diskrit. Hasil penelitian menunjukkan bahwa peluang
harga saham untuk naik dan turun sama besar. Tapi hasil penelitian tersebut bisa berubah jika sample
data diperluas.
Kata Kunci : Rantai Markov, Google Inc., matriks transisi, matriks distribusi.
I.

Pendahuluan
Saham dapat didefinisikan sebagai tanda
penyertaan modal seseorang atau pihak (badan
usaha) dalam suatu perusahaan atau perseroan
terbatas[4]. Dengan menyertakan modal
tersebut, maka pihak tersebut memiliki klaim
atas pendapatan perusahaan, klaim atas asset
perusahaan, dan berhak hadir dalam Rapat
Umum Pemegang Saham (RUPS) [4].
Setiap bidang investasi pasti memiliki
resiko, begitu juga dalam membeli saham.
Resiko yang dihadapi dalam membeli saham
adalah resiko turunnya harga (capital loss) dan
resiko terjadinya likuidasi terhadap perusahaan
yang mengeluarkan saham tersebut (Sawidji,
2012:75) [2]. Untuk meminimalkan resiko
dalam membeli dan menjual saham, investor
harus melakukan analisis mengingat data
harga saham yang merupakan data time series
yang memiliki volatilitas yang tinggi[2].
Rantai Markov (Markov Chain) adalah
sebuah teknik perhitungan yang umumnya
digunakan dalam melakukan pemodelan
bermacam-macam kondisi[6]. Teknik ini
digunakan
untuk
membantu
dalam
memperkirakan perubahan yang mungkin
terjadi di masa mendatang[6]. Perubahanperubahan tersebut diwakili dalam variabelvariabel dinamis di waktu-waktu tertentu[6].
Sehingga perlu untuk menyimpan nilai dari
variabel keadaan pada tiap-tiap waktu tertentu
itu[6]. Rantai Markov sendiri ditemukan oleh
seorang ilmuwan Rusia bernama Andrey
Andreyev Markov pada tahun 1906[6].

II. Rantai Markov Waktu Diskrit


Untuk setiap waktu t, ketika kejadian
adalah Kt dan seluruh kejadian sebelumnya
adalah
Kt(j), ... , Kt(j-n) yang terjadi dari proses yang
diketahui, probabilitas seluruh kejadian yang
akan datang Kt(j) hanya bergantung pada
kejadian Kt(j-1) dan tidak bergantung pada
kejadian-kejadian sebelumnya yaitu Kt(j-2),
Kt(j-3),..., Kt(j-n).[6]
Jadi, suatu proses stokastik waktu diskrit
disebut memiliki sifat markov jika :
*
+
|
*
|
+
dimana nilai dari
*
+ untuk k =
0,1,2,n
a. Matriks Peluang Transisi
Matriks peluang transisi adalah suatu
matriks yang jumlah semua elemen dalam
baris sama dengan satu dan elemenelemennya non negative[3].
(

Persamaan
diatas
menyatakan
peluang transisi satu langkah dari keadaan
i dan j.
Matriks peluang transisi satu langkah
dari
(X(n),n=0,1,2,)
didefinisikan
sebagai :

p00
p
P pij 10
p20

p01
p11
p21

p02
p12
p22

...
...
...

Dengan

dan

)
Setiap dari baris P memberikan
informasi berapa peluang transisi dari
state i ke j. (Doubleday & Julius, 2011)
b. Distribusi Stasioner
Misalkan P matriks peluang transisi
(m state) dari rantai markov homogen.
Jika :

Maka
disebut
sebagai distribusi stasioner untuk rantai
markov homogen.
III. Metodologi
Data diambil dari yahoo finance dengan
hanya mengambil harga saham saat close saja
dan dalam rentang waktu 3 Maret 2014 30
September 2014.
State yang digunakan pada penelitian ini
adalah :
State 0 : Harga saham Google Inc. naik
dari harga sebelumnya.
State 1 : Harga saham Google Inc. turun
dari harga sebelumnya.
Dari data yang telah diambil didapatkan
matriks peluang transisi sebagai berikut :
[

Dan distribusi stasionernya adalah :

p 00
p10

p01 0

p11 1

IV. Hasil dan Diskusi


Dengan hasil yang telah didapat, peluang
harga saham naik dan turun untuk jangka
panjang mempunyai nilai yang sama, sehingga
akan membuat investor bimbang untuk
melakukan investasi di perusahaan tersebut.
Untuk melakukan perhitungan untuk hari
selanjutnya, bisa dengan mengalikan matriks
distribusinya dan matriks P,
V.

Kesimpulan
Setelah melakukan pengumpulan data
harga saham dari 3 Maret 2014 30
September 2014 dan mengolahnya kita
mendapatkan hasil bahwa peluang harga
saham naik sama dengan peluang harga saham
turun. Tapi nilai ini bisa saja berubah jika kita
mengambil rentang data yang lebih besar lagi.
Untuk penelitian yang lebih teliti lagi kita
bisa menambah state yang pada penelitian ini
hanya 2 menjadi 4 atau 6 state.
Referensi
1. Doubleday, K., & Julius, E. (2011).
Application of markov Chains to Stock
Trends. Application of markov Chains to
Stock Trends, 104.
2. Hartanti, A. (2014). Peramalan harga
Saham Pada Lima Emiten Terbaik Versi
Forbes Tahun 2012 Menggunakan Fuzzy
Model.
Universitas
Atma
Jaya
Yogyakarta, Program Studi Magister
Manajemen. Yogyakarta: UAJY.
3. Haryati. (1996). Distribusi Stasioner
Rantai Markov Waktu Diskrit. Universitas
Diponegoro, Fakultas Matematika dan
Pengetahuan Alam. Semarang: UNDIP.
4. PT. Bursa Efek Indonesia. (n.d.). Saham.
Retrieved November 16, 2014, from PT
Bursa
Efek
Indonesia:
http://www.idx.co.id/idid/beranda/produkdanlayanan/saham.aspx

5. Shunji, O. (1992). Applied Stochastic


System Modeling. Berlin: Springer Berlin
Heidelberg.
6. Suhartono, D. (2013, Juni 30). Markov
Chain. Retrieved November 17, 2014,
from School of Computer Science Binus
University:
http://socs.binus.ac.id/2013/06/30/markov
-chain/
7. Yahoo. (n.d.). GOOG Historical Prices.
Retrieved September 30, 2014, from
Yahoo!
Finance:
http://finance.yahoo.com/q/hp?s=GOOG+
Historical+Prices