M Zainul Abidin
Program Studi Statistika, Fakultas Sains dan Matematika
Universitas Brawijaya Jl. Veteran Lowokwaru Malang 65145
E-mail Addres : zainul.abidin2603@gmail.com
ABSTRAK
Peramalan adalah kegiatan untuk memprediksi apa yang mungkin terjadi di masa mendatang,
sedangkan ramalan adalah suatu kondisi yang diperkirakan akan terjadi pada masa yang akan datang.
Dalam penelitian ini dilakukan peramalan pada data harga close saham TLKM menggunakan metode
ARIMA untuk meramalkan harga saham TLKM dalam periode Agustus 2022 sampai Juli 2023. Data
dalam penelitian ini menggunakan data sekunder dari website Trading view. Obyek penelitian yang
digunakan sebanyak 103 data harga close saham TLKM yakni sejak Januari 2014 hingga Juli 2022.
Data dianalisis menggunakan bantuan program Minitab. Hasil penelitian mendapatkan model ARIMA
(0,2,1) sebagai model terbaik dalam meramalkan harga close saham TLKM dengan persamaan
modelnya adalah Zt = 2Zt−1 − Zt−2 + 0,04 + 0,9725𝛼𝑡−1 + 𝛼𝑡 . Nilai peramalan yang didapatkan
pada bulan Agustus 2022 sebesar 4.246, bulan September 2022 sebesar 4.263, bulan Oktober 2022
sebesar 4.280, bulan November 2022 sebesar 4.297, bulan Desember 2022 sebesar 4.314, bulan Januari
2023 sebesar 4.331, bulan Februari 2023 sebesar 4.348, bulan Maret 2023 sebesar 4.365, bulan April
2023 sebesar 4.382, bulan Mei 2023 sebesar 4.400, bulan Juni 2023 sebesar 4.417 dan bulan Juli 2023
sebesar 4.434. Berdasarkan hasil perbandingan antara hasil peramalan dengan hasil analisa teknikal
yakni keduanya menyimpulkan bahwa harga saham TLKM mendatang akan mengalami kenaikan
(uptrend).
1. PENDAHULUAN
Latar Belakang
Seiring berjalannya waktu, teknologi dan ilmu pengetahuan mengalami kemajuan yang begitu
cepat, selaras dengan semakin tingginya tingkat peradaban manusia, dimana manusia sebagai subjek
sekaligus objek mempunyai tuntutan untuk memenuhi kebutuhan sesuai zaman. Seperti kehidupan yang
terus berjalan, begitu banyak hal yang sangat sukar untuk diterka secara tepat. Dalam hal ini,
perkembangan ilmu pengetahuan membawa sesuatu yang bersifat positif, dimana hasil yang bisa
digunakan yakni adanya perkembangan ilmu untuk meramal (forecast) kejadian dimasa mendatang
yang mungkin mempunyai peluang untuk meminimumkan kesalahan dalam meramal (forecast error)
di masa mendatang.
Peramalan tersendiri adalah proses untuk memperkirakan berapa kebutuhan dimasa mendatang
yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam
rangka memenuhi permintaan barang atau jasa (A. H. Nasution, 1999). Dalam hal ini, meramal
memiliki peran yang sangat penting untuk manusia untuk meramal jawaban di masa mendatang dimana
kita dapat memikirkan solusinya di masa sekarang.
Pada penelitian kali ini, fokus peneliti yakni meramal harga saham TLKM dalam jangka
menengah. Mengingat bahwa memilih untuk mengambil keputusan antara membeli atau menjual bagi
trader adalah sesuatu yang tidak dapat dianggap hal yang mudah. Perlu adanya perhitungan yang
matang agar trader dapat mencapai tujuan awal saat melakukan sebuah pembelian atau penjualan
saham. Para trader saat ini telah terfasilitasi oleh beberapa fitur yang telah disediakan oleh platform
untuk mempermudah melakukan proses analisa secara teknikal maupun fundamental. Namun, alangkah
baiknya jika hasil dari kedua analisa tersebut dibandingkan dengan hasil analsa secara statistika.
Dengan adanya permasalahan tersebut, maka peneliti akan mencoba untuk meramal harga saham
TLKM dalam jangka pendek dengan menggunakan metode Autoregressive Integrated Moving Average
(ARIMA) menggunakan nilai masa lalu dan sekarang dari variabel dependen. Metode ini menggunakan
pendekatan iteratif dalam mengidentifikasi suatu model yang paling tepat dari semua kemungkinan
model yang ada dan model in dapat digunakan pada semua jenis data (Buchori, M dan Sukmono, T.
2018). Menurut penelitian yang telah dilakukan oleh Djoni Hatidja yang berjudu “Penerapan ARIMA
untuk Memprediksi Harga Saham pada PT. Telkom Tbk” dikatakan bahwa harga saham tidak jauh
berbeda antara kondisi data sebenarnya dengan hasil prediksi dengan menggunakan model ARIMA.
Dengan meramalkan harga saham TLKM nantinya dapat digunakan oleh para investor atau trader
sebagai tolak ukur dalam memutuskan untuk melakukan pembelian maupun penjualan saham. Data
yang digunakan oleh penelitian adalah data harga close setiap bulan dari Januari 2014 hingga Juli 2022.
Rumusan masalah dalam penelitian ini adalah (1) Bagaimana model ARIMA terbaik untuk
memodelkan data saham TLKM periode Agustus 2022 sampai dengan Juli 2023 ? (2) Bagaimana hasil
peramalan data saham TLKM dengan menggunakan metode ARIMA atau Box-Jenkins pada periode
Agustus 2022 hingga Juli 2023 ?.
Tujuan penelitian ini adalah (1) untuk mendapatkan model peramalan ARIMA terbaik untuk data
saham TLKM periode Agustus 2022 hingga Juli 2023, dan (2) untuk memperoleh hasil peramalan data
saham TLKM dengan metode ARIMA pada periode Agustus 2022 hingga Juli 2023.
2. DASAR TEORI
Fundamental dan Teknikal
Sejak satu dekade terakhir, semakin banyak diciptakan model-model peramlan pergerakan harga
saham, terutama untuk pergerakan harga saham harian (daily forecast). Beberapa model yang telah
banyak digunakan adalah rata-rata bergerak menguncup dan mengembang (Moving Average
Convergence Divergen), rata-rata bergerak (Moving Average), Pita Bollinger (Bollinger Band),
Ichimoku chart dan beberapa model lain.
Pada prinsipnya, semua model yang termasuk kategori analisis teknikal dikembangkan dengan
asumsi dasar bahwa perubahan harga saham bergerak secara bebas dari hipotesis pergerakan secara
acak (random walk hypothesis) yang banyak dianut oleh fundamentalis sebelum tahun 2000an. Aliran
fundamentalis berargumen bahwa pergerakan harga saham tidak bisa diramalkan dan hanya digerakkan
oleh kinerja keuangan fundamental perusahaan seperti laba bersih per lembar (earning per share), rasio
harga terhadap laba bersih per lembar (price earning ratio), strategi pembagian dividen (dividend per
share) dan kinerja lain. Para pengikut fundamentalis tidak mempercayai argumen bahwa harga saham
dapat diramal berdasarkan data historis yang membentuk sebuah pola tertentu yang berulang (Neely, et
al, 2001).
Pengertian Peramalan
Peramalan adalah suatu seni dan ilmu pengetahuan dalam memprediksi peristiwa dimasa
mendatang (Heizer dan Barry, 2015). Menurut Fahmi (2014), peramalan merupakan suatu bentuk usaha
dengan menerapkan berbagai pendekatan baik kualitatif dan kuantitatif. Peramalan adalah penggunaan
data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengstimasi nilainya di masa yang
akan datang (Aziz et al, 2017).
l Transformasi
1 𝒁𝒕 ; 𝒕𝒊𝒅𝒂𝒌 𝒂𝒅𝒂 𝒕𝒓𝒂𝒏𝒔𝒇𝒐𝒓𝒎𝒂𝒔𝒊
0.5 √𝒁𝒕
0 𝑰𝒏 𝒁𝒕
-0.5 𝟏
√𝒁𝒕
-1 𝟏
𝒁𝒕
𝑍𝑡 = 𝜙1 𝐵𝑍𝑡 + 𝜙2 𝐵2 𝑍𝑡 … + 𝜙𝑝 𝐵𝑝 𝑍𝑡 + 𝛼𝑡
𝜙(𝐵)𝑍𝑡 = 𝛼𝑡 (2.5)
Dimana bentuk umum dari AR (𝑝) dapat ditulis menjadi persamaan (2.6) berikut ini:
𝜙𝑝 (𝐵) = 1 − 𝜙1 𝐵1 − 𝜙2 𝐵2 − 𝜙3 𝐵3 … − 𝜙𝑝 𝐵𝑝 (2.6)
𝑍𝑡 = 𝜃(𝐵)𝛼𝑡 (2.8)
Dengan bentuk umum dari MA (𝑞) dapat ditulis menjadi persamaan (2.9) berikut ini:
𝜃𝑞 𝐵 = 1 + 𝜃1 𝐵 + 𝜃2 𝐵2 + ⋯ + 𝜃𝑞 𝐵𝑞 (2.9)
3. METODOLOGI PENELITIAN
Dari gambar 4.1, dapat diinterpretasikan bahwa plot menunjukkan bahwa pola musiman.
Komponen pada pola musiman dijabarkan ke dalam beberapa faktor seperti kecenderungan
perdagangan, trend atau isu yang berkaitan dengan perusahaan. Setelah mengetahui pola dari data, maka
selanjutnya adalah melakukan pemeriksaan data apakah data sudah stasioner dalam ragam dan rata-rata
atau belum.
Pada Gambar 4.2 menunjukkan jika data sudah statsioner karena nilai rounded value (lambda)
sebesar 1, sehingga tak perlu melakukan transformasi. Selanjutnya akan mencari tahu apakah data sudah
stasioner dalam rata-rata atau belum.
Berdasarkan informasi pada Gambar 4.3 dapat diketahui bahwa 5 lag waktu yang berada diluar
batas signifikansi, sehingga data tersebut dapat dikatakan belum stasioner terhadap rata-rata dan perlu
dilakukan differencing data.
Berdasarkan hasil pada Gambar 4.4 terlihat bahwa lag menurun mendekati nol setelah lag
pertama dan tidak ada lag yang berada diluar batas signifikansi. Sedangkan berdasarkan Gambar 4.5
dapat dilihat bahwa data berfluktuasi disekitar nol (konstan). Sehingga berdasarkan gambar tersebut
dapat dikatakan bahwa data telah stasioner terhadap rata-rata dan ragam. Untuk identifikasi model dari
data dilakukan dengan memplotkan data saham TLKM yang telah di differencing ke dalam plot ACF
dan PACF.
Berdasarkan Gambar 4.6 dan 4.7 terlihat bahwa tidak ada satu pun lag dari nilai autokorelasi
maupun nilai autokorelasi parsial yang berada di luar batas signifikansi. Sehingga ini berarti bahwa
pada data yang diperoleh berdasarkan proses differencing pertama tidak terdapat adanya proses
Autoregressive (AR) maupun Moving Average (MA). Untuk menduga parameter model baik AR
maupun MA maka perlu dilakukan differencing kedua.
Berdasarkan Tabel 4.3 dengan menggunakan taraf signifikansi 5%, sehingga model ARIMA
(2,2,1), ARIMA (0,2,1), ARIMA (2,2,0), dan ARIMA (1,2,0) merupakan model dengan parameter yang
signifikan, sedangkan model ARIMA (1,2,1) merupakan model yang tidak signifikan.
Diagnostik Model
Setelah diperoleh model yang parameternya signifikan maka dilanjutkan pada tahap diagnostik
model. Model ARIMA harus memenuhi asumsi sisaan/residual yang bersifat white noise dan uji
independensi sisaan.
White Noise
Sisaan yang bersifat white noise dapat terlihat dari plot ACF sisaan. Jikat tidak terdapat
autokorelasi yang signifikan pada seluruh lag berarti white noise. Berikut disajikan plot ACF sisaan
untuk menguji apakah sisaan pada setiap model ARIMA signifikan telah bersifat white noise.
Tabel 4.4 Hasil Uji White Noise
Model Plot Correlogram Sisaan Keterangan
ARIMA Sisaan tidak
(2,2,1) bersifat white
noise
ARIMA Sisaan bersifat
(0,2,1) white noise
Januari
Januari
Januari
Januari
Januari
Januari
Januari
Januari
Januari
Mei
September
Mei
September
Mei
September
Mei
September
Mei
September
Mei
September
Mei
September
Mei
September
Mei
September
Mei
2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
Berdasarkan Tabel 4.8 dan Gambar 4.10 menunjukkan bahwa hasil ramalan harga saham TLKM
cenderung mengalami kenaikan mulai Agustus 2022 hingga Juli 2023. Hal ini menunjukkan bahwa
terdapat peluang yang bagus untuk para investor dan trader untuk mengambil keputusan membeli
maupun menjual saham mereka. Namun hasil peramalan ini masih pada taraf kepercayaan sebesar 95%
yang berarti terdapat 5% kesalahan dalam hasilnya. Peneliti akan membandingkan hasil peramalan
menggunakan model ARIMA dengan hasil analisa teknikal yang telah peneliti lakukan.
Analisa Teknikal
Pada analisa teknikal kali ini, peneliti akan membagi hasil analisa yang telah dilakukan
berdasarkan time frame data yang dibagi menjadi daily, dan weekly. Namun sebelumnya, peneliti ingin
mengucapkan bahwa hasil analisa ini semata-mata hanya untuk membandingkan dengan hasil
peramalan, bukan untuk mengajak atau memberi arahan agar membeli atau menjual saham TLKM
(disclaimer on).
Daily
Time firame daily biasanya digunakan untuk membantu para trader untuk mempermudah
dalam pengambilan keputusan terkait penjualan atau pembelian saham yang baik digunakan untuk
jangka pendek. Berikut akan ditampilkan hasil analisa yang telah peneliti lakukan untuk time frame
daily.
Gambar 4.11 Hasil Analisa Time Frame Daily
Berdasarkan Gambar 4.11 menunjukkan bahwa terdapat kemungkinan kecenderungan
terjadinya kenaikan (uptrend) pada saham TLKM mulai Agustus 2022 hingga Oktober 2022 dengan
catatan harga saham tidak sampai menyentuh atau mematahkan garis rata-rata bergerak (moving
average) 60 yang sesuai digunakan untuk menerka selama 3 bulan ke depan. Namun jika melihat
kepada indikator stokastik (stoch) yang menyimpulkan akan terjadinya bearish reversal atau
penurunan pada harga saham TLKM untuk jangka waktu yang dekat (1 sampai 2 minggu). Karena
harga saat ini menunjukkan kenaikan dimana terdapat kemungkinan akan menyentuh harga pada
candle stick Two Red Gapping pada chart saham TLKM sehingga hal ini selaras dengan hasil
peramalan yang menunjukkan bahwa akan terjadi uptrend pada saham TLKM untuk beberapa waktu
ke depan.
Weekly
Time frame weekly biasanya digunakan oleh trader atau investor untuk investasi yang bersifat
jangka panjang (long term). Berikut akan ditampilkan hasil analisa yang telah peneliti lakukan untuk
time frame weekly.