Djoni Hatidja1)
1)
Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 95115
e-mail: dhatidja@yahoo.com
ABSTRAK
Penelitian ini bertujuan untuk mengetahui karakteristik data harga saham harian PT. Telkom, Tbk,
membuat model dan melakukan prediksi harga saham PT. Telkom, Tbk bulan Mei sampai Juni
tahun 2011. Data yang digunakan adalah data sekunder yang diambil dari website perusahaan PT.
Telkom, Tbk sejak Januari 2010 sampai 30 Maret 2011 untuk memprediksi harga saham Mei
sampai Juni 2011. Hasil penelitian menunjukkan bahwa model untuk harga saham maksimum
adalah ARIMA (3,1,3) dengan persamaan - - -
– - – - – - - - . Sedangkan model harga saham
minimum adalah ARIMA (3,1,1) dengan persamaan - – - – -
ABSTRACT
The objevtives of this research was to knowed the daily stock price of PT. Telkom, Tbk, make
models and predicted May up to June 2011 using the data from 2008 up to March 2011. Data
that are used by secondary data and take from website of PT. Telkom, Tbk since January 2010 to
March 2011 for predicting May to June 2011. The results showed that the maximum stock price
model was ARIMA (3,1,3) with - - - – - –
yang memiliki formulasi sebagai berikut Data berupa nilai saham maksimum dan
(Halim, 2006) : minimum PT. Telkom, Tbk yang diperoleh
dari www.telkom.co.id/hubungan-
.(3) investor/informasi-saham/.
Dimana:
Teknik Analisis Data
=Variabel tidak bebas; =konstanta;
=Parameter Autoregresif; Suatu model time series dikatakan baik
=koefisien parameter moving apabila telah sesuai dengan kenyataan.
Dengan kata lain, apabila kesalahan (error)
average; - - - = Variabel bebas; model semakin kecil, maka model bisa
=sisaan pada saat ke t-q dikatakan baik (Iriawan, 2006).
Analisis Data dilakukan menggunakan
Model ARIMA (Autoregressive Integrated metode ARIMA dengan bantuan software
Moving Average) statistika yaitu MINITAB 14. Langkah–
langkah penerapan metode ARIMA secara
Model AR, MA dan ARMA berturut-turut adalah:
menggunakan asumsi bahwa data deret waktu
1. Pemeriksaan Kestasioneran Data
yang dihasilkan sudah bersifat stasioner. Pada 2. Identifikasi model dalam ARIMA.
kenyataannya, data deret waktu lebih banyak Melalui plot ACF dan PACF kita dapat
bersifat tidak stasioner (Sadeq, 2008). menentukan model ARIMA yang bisa
Jika data tidak stasioner maka metode digunakan dalam prediksi.
yang digunakan untuk membuat data 3. Penentuan Parameter p, d dan q dalam
stasioner dilakukan adalah differencing untuk ARIMA.
data yang tidak stasioner dalam rata-rata dan 4. Penentuan persamaan model ARIMA.
proses transformasi untuk data yang tidak Koefisien-koefisien yang digunakan
stasioner dalam varian (Mulyana, 2004). dihasilkan dari hasil analisis parameter
Bentuk umum model ARIMA dapat model ARIMA dengan MSE yang
dinyatakan dalam persamaan berikut terkecil.
(Sartono, 2006): 5. Validasi Prediksi.
6. Prediksi. Langkah selanjutnya adalah
( ) ( ) ( )
dengan menggunakan model terbaik untuk
Dimana : prediksi. Jika model terbaik telah
: Nilai pengamatan saat t ditetapkan, model itu siap digunakan
: Parameter autoregresif (Autoregressive) untuk prediksi harga saham Telkom bulan
Mei sampai Juni 2011
B : Operator geser mundur
d : Parameter pembedaan (differencing)
: Parameter konstan HASIL DAN PEMBAHASAN
: Parameter rataan bergerak (Moving
Average) Harga Saham Harian Maksimum PT.
: Nilai sisaan (error) Telkom, Tbk Tahun 2009 sampai Maret
2011
Model ARIMA (p,d,q) merupakan model
umum dari regresi deret waktu sebab ARIMA Eksplorasi data harga saham harian
(p,0,0) sama dengan AR (p), ARIMA (0,0,q) maksimum PT. Telkom, Tbk dilakukan
sama dengan MA (p) dan ARIMA (p,0,q) melalui plot deret waktu untuk periode 2009
sama dengan ARMA (k,p). sampai Maret 2011 selama 544 hari dapat
dilihat pada gambar 1.
METODE PENELITIAN
Time Series Plot of max 2009-maret 2011 metode pembedaan (Differencing). Hasilnya
11000
dapat dilihat dari gambar 4.
10000
max 2009-maret 2011
1.0
8000 0.8
0.6
Partial Autocorrelation
7000 0.4
0.2
6000 0.0
1 54 108 162 216 270 324 378 432 486 540 -0.2
Index
-0.4
dapat diamati melalui koefisien Gambar 4. Plot Data Harga Saham Harian
Autocorrelation Function (ACF) dan Partial Maksimum PT. Telkom, Tbk Tahun 2009 sampai
Autocorrelation Function (PACF) . Maret 2011 Selisih Orde 1
ACF max 2009 sampai maret 2011 Pada gambar 4 data telah melalui proses
1.0 pembedaan tingkat 1. Dari data tersebut dapat
0.8
0.6
diamati adanya data yang sudah bersifat
0.4 stasioner. Proses pembedaan yang sudah
Autocorrelation
0.2
0.0
dilakukan mengindikasikan bahwa nilai d
-0.2 yang bisa dipakai adalah nilai d = 1.
-0.4
-0.6
Setelah data sudah stasioner maka
-0.8 dilakukan plot untuk melihat model ARIMA
-1.0
1 5 10 15 20 25 30 35 40 45 50 55 60 65
yang akan digunakan. Dengan melihat plot
Lag
ACF dan PACF seperti pada gambar 5 dan
Gambar 2. Fungsi Autokorelasi Data Harga gambar 6.
Saham Harian Maksimum PT. Telkom, Tbk
Tahun 2009 sampai Maret 2011 ACF max 2009 sampai maret 2011 selisih orde 1
1.0
0.8
Dari gambar 2 dan 3 dapat dilihat bahwa 0.6
0.2
-0.2
perlahan sedangkan semua koefisien -0.4
tidak stasioner dalam rata-rata, padahal Gambar 5. Fungsi Autokorelasi Data Harga
metode ARIMA memerlukan data yang Saham Harian Maksimum PT. Telkom, Tbk
bersifat stasioner. Karena itu perlu dilakukan Tahun 2009 sampai Maret 2011 Selisih Orde 1
120 Jurnal Ilmiah Sains Vol. 11 No. 1, April 2011
PACF max 2009 sampai maret 2011 selisih orde 1 dapat diestimasi oleh Minitab. Sehingga
1.0
0.8
diketahui bahwa parameter p=3, d=1, q=3
Partial Autocorrelation
0.6 atau ARIMA (3,1,3) dengan nilai MSE yang
0.4
0.2 terkecil yaitu 18123 dapat digunakan untuk
0.0
-0.2
memprediksi harga saham maksimum PT.
-0.4 Telkom, Tbk bulan Mei sampai Juni 2010.
-0.6
-0.8
-1.0
1 5 10 15 20 25 30 35 40 45 50 55 60 65
Menentukan Persamaan Model ARIMA
Lag
(p,d,q) pada Data Harga Saham Harian
Gambar 6. Fungsi Autokorelasi Parsial Data Maksimum PT. Telkom, Tbk Tahun 2009
Harga Saham Harian Maksimum PT. Telkom, sampai Maret 2011
Tbk Tahun 2009 sampai Maret 2011
Selisih Orde 1 Dari hasil penentuan parameter diperoleh
ARIMA (3,1,3) dengan koefisien-koefisen
Dari gambar 5 dan 6 dapat dilihat yaitu: AR 1:-0.0352, AR 2:-0.0219, AR
koefisien ACF dan PACF menurun secara 3:0.4443, MA 1: -0.1294, MA 2:0.0441, MA
eksponensial. Apabila ACF dan PACF turun 3:0.5751 dan Konstanta: -0.006 (Lampiran
secara eksponensial atau secara cepat maka 7). Dibuat analisis persamaan sebagai berikut
hal ini menunjukkan bahwa model ARIMA untuk ARIMA (3,1,3) menjadi :
yang bisa digunakan adalah model ARIMA ( – ) ( )
(p,d,q). ( )
Untuk mengetahui nilai parameter - – - - -
ARIMA yang lebih terperinci dilakukan - - -
penentuan parameter p, d dan q. Tingkat – - - - –
akurasi prediksi dapat diukur melalui niali -
- -
MSE (Mean Square Error) yang terkecil
sehingga dapat diambil keputusan apabila Validasi Prediksi pada Data Harga Saham
suatu model layak digunakan. Harian Maksimum PT. Telkom, Tbk
Tahun 2009 sampai Maret 2011
Tabel 1. Penentuan Nilai p, d dan q dengan MSE Validasi ini dilakukan agar bisa
untuk Data Harga Saham Harian Maksimum PT. mengetahui kondisi data sebenarnya dengan
Telkom, Tbk Tahun 2009 sampai Maret 2011 hasil prediksi harga saham maksimum harian
Selisih 1 Selisih 2 Selisih 3
PT. Telkom, Tbk tahun 2009 sampai Maret
Param Nilai Parame Nilai Parame Nilai 2011 menggunakan model ARIMA (3,1,3).
eter MSE ter MSE ter MSE Dengan membandingkan hasil prediksi untuk
(0,1,0) - (0,2,0) - (0,3,0) -
(1,1,0) 18497 (1,2,0) 29227 (1,3,0) 59470
bulan April tahun 2011 terhadap data
(2,1,0) 18401 (2,2,0) 25635 (2,3,0) 48263 sebenarnya sebelum digunakan untuk Mei
(3,1,0) 18348 (3,2,0) 23163 (3,3,0) 39064 sampai Juni didapatkan nilai MSE sebesar
(0,1,1) 18472 (0,2,1) - (0,3,1) - 8129.6314 dan nilai RMSE yaitu 90.16449.
(1,1,1) 18485 (1,2,1) - (1,3,1) -
(2,1,1) - (2,2,1) - (2,3,1) - Interpretasi grafik dapat dilihat pada gambar
(3,1,1) 18349 (3,2,1) - (3,3,1) - 7:
(0,1,2) 18446 (0,2,2) - (0,3,2) -
(1,1,2) 18325 (1,2,2) - (1,3,2) -
(2,1,2) 18349 (2,2,2) - (2,3,2) - Validasi saham maksimum April
(3,1,2) 18196 (3,2,2) 18395 (3,3,2) - 2011
(0,1,3) 18273 (0,2,3) - (0,3,3) -
(1,1,3) 18293 (1,2,3) - (1,3,3) - 7800
Harga saham (Rp)
Dari tampilan gambar 7 harga saham Time Series Plot of min 2009-maret 2011
Dari tabel 3 terdapat 48 model yang bisa digunakan untuk memprediksi harga saham
digunakan untuk prediksi harga saham maksimum PT. Telkom, Tbk bulan Mei
minimum dengan data tahun 2009 sampai sampai Juni tahun 2011.
Maret 2011, namun berdasarkan teori
semakin kecil nilai MSE yang dihasilkan
suatu model maka model semakin baik. Nilai- Validasi saham minimum April 2011
nilai MSE yang tidak terisi menandakan
bahwa parameter tersebut tidak dapat