1.2 Tujuan
Tujuan dari penelitian ini adalah membandingkan hasil peramalan model
ARIMA dengan metode Fuzzy Time Series berbasis rerata harga penutupan saham
PT. United Tractors Tbk.
II TINJAUAN PUSTAKA
2.1 Saham
Saham merupakan salah satu instrumen pasar modal yang dapat digunakan
untuk penanaman sejumlah dana atau yang lebih dikenal dengan investasi.
Tandelilin (2010) menyatakan bahwa saham merupakan bukti kepemilikan suatu
individu atau lembaga atas suatu perusahaan yang menerbitkan saham dalam
bentuk sertifikat. Keuntungan yang didapat oleh pemilik saham dapat berupa
selisih dari harga beli dengan harga jual per lembar saham (capital gain) atau
pembagian laba perusahaan oleh penerbit saham (dividen). Menurut Darmadji dan
Fakhrudin (2006), terdapat beberapa jenis saham berdasarkan kinerjanya yang
dijelaskan sebagai berikut:
1. Saham unggulan (blue-chip stock)
Saham unggulan merupakan saham dari suatu perusahaan yang memiliki
reputasi tinggi, sebagai leader di industri sejenis, memiliki pendapatan yang
stabil serta konsisten dalam membayar dividen.
2. Saham pendapatan (income stock)
Saham pendapatan merupakan saham dari suatu emiten yang memiliki
kemampuan membayar dividen lebih tinggi dari rata-rata dividen yang
dibayarkan pada tahun sebelumnya dan rutin membayarkan dividen tunai.
3. Saham spekulatif (speculative stock)
Saham spekulatif merupakan saham dari suatu perusahaan yang tidak bisa
memperoleh laba secara konsisten dari tahun ke tahun akan tetapi memiliki
kemungkinan laba yang tinggi di masa mendatang meskipun belum pasti.
4. Saham siklikal (counter cyclical stock)
Saham siklikal merupakan saham yang tidak terlalu terpengaruh oleh
kondisi ekonomi makro maupun situasi bisnis secara umum. Nilai saham ini
umumya dapat tetap tinggi pada saat resesi ekonomi karena emitennya
mampu mendapatkan laba tinggi sehingga mampu memberikan dividen
yang tinggi.
𝑑 : derajat pembedaan
𝐵 : operator backshift
Model ARIMA dibentuk melalui tahapan-tahapan sebagai berikut:
1. Identifikasi Model
Identifikasi model ARIMA dilakukan berdasarkan pola yang terlihat pada
plot korelasi diri (ACF) dan korelasi diri parsial (PACF) dari data yang
sudah stasioner. Plot ACF dan PACF memiliki pola turun secara lambat
(tails off) dan turun secara cepat (cuts off). Ciri dari model AR(p) adalah
adanya pola cuts off pada plot PACF setelah lag ke-p sementara ciri dari
model MA(q) adalah adanya pola cuts off pada plot ACF setelah lag ke-q.
Apabila pada kedua plot ACF dan PACF menunjukkan pola tails off dan
atau cuts off hal tersebut mengindikasikan adanya model ARMA(p,q). Tabel
berikut merupakan perilaku teoretis plot ACF dan PACF untuk proses yang
stasioner.
Tabel 1 Perilaku teoretis model AR(p), MA(q), dan
ARMA(p,q) pada plot ACF dan PACF
Model ACF PACF
AR(p) Tails off Cuts off setelah lag ke-p
MA(q) Cuts off setelah lag ke-q Tails off
ARMA(p,q) Tails off dan atau cuts off Tails off dan atau cuts off
2. Pendugaan parameter
Model ARIMA diperoleh dengan cara mensubtitusi penduga parameternya
ke dalam persamaan umum model ARIMA. Terdapat beberapa metode
pendugaan parameter seperti metode momen, maximum likelihood, dan least
square yang dapat digunakan untuk menduga parameter pada model tentatif
(Montgomery et al. 2008).
3. Uji signifikansi parameter
Uji signifikansi parameter dilakukan menggunakan uji t-student (Aswi dan
Sukarna 2006). Langkah-langkah uji signifikansi parameter dijelaskan
sebagai berikut:
a) Model yang digunakan untuk uji signifikansi parameter
𝜙𝑝 (𝐵)(1 − 𝐵)𝑑 𝑦𝑡 = 𝜃𝑞 (𝐵)𝜀𝑡
dengan
𝜙𝑝 (𝐵) = (1 − 𝜙1 (𝐵1 ) − 𝜙2 (𝐵 2 ) − ⋯ − 𝜙𝑝 (𝐵 𝑝 ))
𝜃𝑞 (𝐵) = (1 − 𝜃1 (𝐵1 ) − 𝜃2 (𝐵 2 ) − ⋯ − 𝜃𝑞 (𝐵 𝑞 ))
b) Hipotesis uji signifikansi parameter model AR
H0 : 𝜙𝑝 = 0 (parameter tidak signifikan)
H1 : 𝜙𝑝 ≠ 0 (parameter signifikan)
Hipotesis uji signifikansi parameter model MA
H0 : 𝜃𝑞 = 0 (parameter tidak signifikan)
H1 : 𝜃𝑞 ≠ 0 (parameter signifikan)
c) Statistik uji signifikansi parameter
5
𝑑𝑢𝑔𝑎𝑎𝑛 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟
𝑡ℎ𝑖𝑡 = ; 𝑆𝐸 (𝑔𝑎𝑙𝑎𝑡 𝑏𝑎𝑘𝑢) 𝑑𝑢𝑔𝑎𝑎𝑛 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟 ≠ 0
𝑆𝐸 𝑑𝑢𝑔𝑎𝑎𝑛 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟
d) Kriteria pengambilan keputusan
Tolak H0 apabila |𝑡ℎ𝑖𝑡 | > 𝑡𝛼(𝑛−1) dengan interpretasi parameter model
2
signifikan.
Jika terdapat salah satu parameter yang tidak signifikan maka kembali ke
langkah 1.
4. Diagnostik model
Diagnostik model dilakukan untuk memeriksa sisaan model bersifat white
noise atau tidak (Beevi et al. 2019). Langkah-langkah diagnostik model
dijelaskan sebagai berikut (Cryer dan Chan 2008):
a) Hipotesis uji Ljung-Box
H0 : tidak terdapat autokorelasi sisaan
H1 : terdapat autokorelasi sisaan
b) Statistik uji Ljung-Box adalah
𝑟̂12 𝑟̂22 𝑟̂𝐾2
𝑄 = 𝑛(𝑛 + 2) ( + +⋯+ )
𝑛−1 𝑛−2 𝑛−𝐾
keterangan
𝑄 : statistik uji Ljung-Box
𝑛 : banyaknya amatan
𝐾 : banyaknya lag yang diamati
𝑟̂𝑖 : dugaan korelasi sisaan pada lag ke-i dengan 𝑖 = 1, 2, … , 𝐾
c) Kriteria pengambilan keputusan
Tolak H0 apabila statistik uji 𝑄 > 𝜒 2 (𝐾−𝑝−𝑞) .
Jika terdapat autokorelasi antar sisaan maka kembali ke langkah 1.
5. Overfitting
Overfitting merupakan upaya mendapatkan model terbaik dengan
penambahan atau pengurangan orde parameter AR(p) dan atau MA(q) dari
model tentatif yang sudah diperoleh. Model terbaik merupakan model
dengan parameter yang signifikan serta deret sisaan yang tidak memiliki
autokorelasi.
6. Pemilihan model ARIMA terbaik dengan kriteria nilai Akaike’s Information
Criterion (AIC) terkecil. Nilai AIC dihitung dengan rumus (Wei 2006):
𝐴𝐼𝐶 = −2 ln[𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑙𝑖𝑘𝑒𝑙𝑖ℎ𝑜𝑜𝑑] + 2𝑀
dengan 𝑀 adalah banyaknya parameter di dalam model.
4. Bulatkan nilai tersebut sesuai dengan basisnya dan nilai tersebut adalah
panjang interval berbasis rerata.
8
Panjang interval yang telah didapat dari algoritma metode Fuzzy Time
Series berbasis rerata kemudian diterapkan ke dalam metode FTS pada subbab
Fuzzy Time Series.
𝑛
(𝐴𝑡 − 𝐹𝑡 )2
𝑅𝑀𝑆𝐸 = √∑
𝐴𝑡
𝑡=1
keterangan:
𝐴𝑡 : nilai pengamatan pada waktu ke-t
𝐹𝑡 : nilai dugaan pada waktu ke-t
𝑛 : banyaknya amatan
III METODE
3.1 Data
Data yang digunakan dalam penelitian ini merupakan harga penutupan
(close price) saham PT. United Tractors Tbk yang diperoleh dari laman Yahoo
Finance. Data dibagi menjadi dua bagian, yaitu data latih dan data uji. Data latih
merupakan data dari 2 Januari 2017 s.d. 15 Juni 2020 sebanyak 883 periode
sementara data uji merupakan data dari 16 Juni 2020 s.d. 29 Juni 2020 sebanyak
10 periode.
Gambar 1 Plot deret waktu harga penutupan saham PT. United Tractors Tbk
Gambar 3 Plot deret waktu harga saham setelah transformasi dan pembedaan
Uji Augmented Dickey-Fuller juga dilakukan pada data setelah diterapkan
transformasi dan pembedaan. Hasil uji ADF pada Lampiran 1 menunjukkan nilai-
p dari data yang telah stasioner lebih kecil dari taraf nyata 5% yaitu 0,0100
dengan interpretasi bahwa data sudah stasioner. Identifikasi model tentatif
ARIMA dilakukan dengan melihat plot ACF dan PACF dari data yang sudah
stasioner. Gambar 4 menunjukkan pola cuts off pada plot ACF dan PACF data
yang telah stasioner dalam ragam dan rataan.
12
Gambar 4 (a) Plot ACF data stasioner (b) Plot PACF data stasioner
Berdasarkan Gambar 4 plot ACF dan PACF nyata pada lag ke-2, sehingga
dengan transformasi Box-Cox 𝜆 = 0,5 dan pembedaan satu kali model tentatif
yang terbentuk adalah ARIMA(2,1,2). Model terbaik didapatkan melalui
pengepasan (overfitting) dengan menambahkan atau mengurangi nilai pada orde p
dan atau q. Hasil overfitting untuk model ARIMA(2,1,2) tersaji pada Tabel 3.
Tabel 3 Nilai dugaan parameter identifikasi model
sementara data nilai harga saham
Model Tipe Koefisien AIC
AR(1)* 0,3276
ARIMA(1,1,1) 3655,91
MA(1)* 0,4212
AR(1)* 0,8742
ARIMA(2,1,1) AR(2) 0,0617 3659,30
MA(1)* 0,9556
AR(1) 0,9322
AR(2) -0,5831
ARIMA(2,1,2) 3655,85
MA(1) 1,0229
MA(2) -0,6071
AR(1) 0,9991
AR(2)* -0,3628
ARIMA(2,1,3) MA(1) 1,0860 3657,56
MA(2)* -0,3813
MA(3)* -0,0464
AR(1) 1,0666
AR(2)* -0,4561
ARIMA(3,1,2) AR(3)* 0,0393 3657,60
MA(1) 1,1539
MA(2)* -0,4822
*parameter tidak signifikan pada taraf nyata 5%
13
Tabel 4 Nilai aktual dan hasil peramalan serta MAPE dan RMSE
FTS Berbasis
Aktual ARIMA
Periode Rerata
(Rp) (Rp)
(Rp)
6/16/2020 16.950,00 15.824,96 16.603,60
6/17/2020 17.700,00 17.935,92 17.003,96
6/18/2020 17.650,00 17.909,62 17.737,95
16
FTS Berbasis
Aktual ARIMA
Periode Rerata
(Rp) (Rp)
(Rp)
6/19/2020 17.850,00 17.165,36 17.737,95
6/22/2020 16.900,00 18.066,92 17.571,13
6/23/2020 16.575,00 15.927,14 17.003,96
6/24/2020 16.750,00 16.815,46 16.403,42
6/25/2020 16.475,00 17.056,21 17.104,05
6/26/2020 16.475,00 16.157,37 16.403,42
6/29/2020 16.700,00 16.620,55 16.403,42
MAPE 3,05% 2,16%
RMSE 639,696 430,277
Gambar 7 Plot data aktual dan data hasil peramalan menggunakan model ARIMA
dan FTS berbasis rerata
V SIMPULAN
5.1 Simpulan
Hasil dari model ARIMA menunjukkan bahwa nilai harga penutupan saham
PT. United Tractors Tbk dipengaruhi oleh harga saham satu periode, dua periode,
dan tiga periode sebelumnya serta faktor-faktor lain di luar model. Berdasarkan
perbandingan secara visual dan analitik, dapat disimpulkan bahwa metode FTS
berbasis rerata bekerja lebih baik dibandingkan dengan model ARIMA dalam
meramalkan harga penutupan saham PT. United Tractors Tbk periode 2017 –
2020.
DAFTAR PUSTAKA
Aidid MK, Nusrang M, Vivianti. 2020. Implementasi Metode Fuzzy Time Series
untuk Peramalan Jumlah Pengunjung di Benteng Fort Rotterdam. Journal of
Statistics and Its Application on Teaching and Research. 2(1): 1−12. doi:
10.35580/variansiunm12895.
Aman Z, Ezzine L, Fattah J, Moussami HE, Lacchab A. 2018. Forecasting of
Demand Using ARIMA Model. International Journal of Engineering.
Anifah L, Rachmawati MD. 2019. Prediksi Curah Hujan Menggunakan Metode
Average Based dan High Order Fuzzy Time Series di Bandar Udara Juanda.
Journal Information Engineering and Educational Technology. 3(1): 11−15.
doi: 10.26740/jieet.v3n1.
Aswi. Sukarna. 2006. Analisis Deret Waktu: Teori dan Aplikasi. Ed pertama.
Makassar (ID): Andira Publisher.
Beevi MS, Fathima SSA, Kannan KS. 2019. Comparison of Fuzzy Time Series
and ARIMA Model. International Journal of Scientific and Technology
Research.
Box GEP, Jenkins GM, Ljung GM, Reinsel GC. 2016. Time Series Analysis:
Forecasting and Control. 5th ed. New Jersey (US): J Wiley, Inc.
Chen MS. 1996. Fuzzy Sets and System. Forecasting enrollments based on fuzzy
time series. 81(1): 311−319.
Cryer DJ, Chan SK. 2008. Time Series Analysis With Application in R. New
York (US): Springer Publishing.
Cynthia EP, Rahmawati, Susilowati K. 2019. Metode Fuzzy Time Series Chen
dalam Memprediksi Jumlah Wisatawan di Provinsi Sumatera Barat. Journal
of Education Informatic Technology and Science. 1(1): 11−23.
Darmadji T, Fakhrudin MH. 2006. Pasar Modal di Indonesia: Pendekatan Tanya
Jawab. Jakarta (ID): Salemba Empat.
Gitman LJ, Joehnk MD, Smart SB. 2017. Fundamentals of Investing. 13th ed.
Harlow (GB): Pearson Education Limited.
Harris R, Sollis R. 2003. Applied Time Series Modelling and Forecasting.
Chicester (GB): J Wiley, Inc.
Montgomery DC, Jennings CL, Kulahci M. 2008. Introduction to Time Series
Analysis and Forecasting. New Jersey (US): J Wiley, Inc.
Song Q, Chissom BS. 1993. Fuzzy Time Series and Its Models. Fuzzy Sets and
Systems. 54(1): 269−277.
Tandelilin E. 2010. Portofolio dan Investasi. Ed pertama. Yogyakarta (ID):
Kanisius.
Tsay RS. 2000. Time Series and Forecasting: Brief History and Future Research.
Journal of the American Statistical Association. 95(450): 638−643.
Tsay RS. 2010. Analysis of Financial Time Series. 3rd ed. New Jersey (US): J
Wiley, Inc.
Wei WWS. 2006. Time Series Analysis: Univariate and Multivariate Methods.
New York (US): Pearson Education.
Xihao S, Yimin L. 2008. Average-Based Fuzzy Time Series Models for
Forecasting Shanghai Compound Index. World Journal of Modelling and
Simulation. 4(2):104−111.
LAMPIRAN
Lampiran 3 Plot ACF dan PACF sisaan ARIMA(2,1,2) harga penutupan saham
Lampiran 4 Batas bawah, batas atas dan nilai tengah himpunan fuzzy
Fuzzy Fuzzy
Batas bawah Batas atas Nilai tengah Batas bawah Batas atas Nilai tengah
Set Set
A1 12600.00 12800.18 12700.09 A71 26612.59 26812.77 26712.68
A2 12800.18 13000.36 12900.27 A72 26812.77 27012.95 26912.86
A3 13000.36 13200.54 13100.45 A73 27012.95 27213.13 27113.04
A4 13200.54 13400.72 13300.63 A74 27213.13 27413.31 27313.22
A5 13400.72 13600.90 13500.81 A75 27413.31 27613.49 27513.40
A6 13600.90 13801.08 13700.99 A76 27613.49 27813.67 27713.58
A7 13801.08 14001.26 13901.17 A77 27813.67 28013.85 27913.76
A8 14001.26 14201.44 14101.35 A78 28013.85 28214.03 28113.94
A9 14201.44 14401.62 14301.53 A79 28214.03 28414.21 28314.12
A10 14401.62 14601.80 14501.71 A80 28414.21 28614.39 28514.30
A11 14601.80 14801.98 14701.89 A81 28614.39 28814.57 28714.48
A12 14801.98 15002.16 14902.07 A82 28814.57 29014.75 28914.66
A13 15002.16 15202.34 15102.25 A83 29014.75 29214.93 29114.84
A14 15202.34 15402.52 15302.43 A84 29214.93 29415.11 29315.02
A15 15402.52 15602.70 15502.61 A85 29415.11 29615.29 29515.20
A16 15602.70 15802.88 15702.79 A86 29615.29 29815.47 29715.38
A17 15802.88 16003.06 15902.97 A87 29815.47 30015.65 29915.56
A18 16003.06 16203.24 16103.15 A88 30015.65 30215.83 30115.74
A19 16203.24 16403.42 16303.33 A89 30215.83 30416.01 30315.92
A20 16403.42 16603.60 16503.51 A90 30416.01 30616.19 30516.10
A21 16603.60 16803.78 16703.69 A91 30616.19 30816.37 30716.28
A22 16803.78 17003.96 16903.87 A92 30816.37 31016.55 30916.46
A23 17003.96 17204.14 17104.05 A93 31016.55 31216.73 31116.64
A24 17204.14 17404.32 17304.23 A94 31216.73 31416.91 31316.82
A25 17404.32 17604.50 17504.41 A95 31416.91 31617.09 31517.00
A26 17604.50 17804.68 17704.59 A96 31617.09 31817.27 31717.18
A27 17804.68 18004.86 17904.77 A97 31817.27 32017.45 31917.36
A28 18004.86 18205.04 18104.95 A98 32017.45 32217.63 32117.54
A29 18205.04 18405.22 18305.13 A99 32217.63 32417.81 32317.72
A30 18405.22 18605.40 18505.31 A100 32417.81 32617.99 32517.90
2121
Fuzzy Fuzzy
Batas bawah Batas atas Nilai tengah Batas bawah Batas atas Nilai tengah
Set Set
A31 18605.40 18805.58 18705.49 A101 32617.99 32818.17 32718.08
A32 18805.58 19005.76 18905.67 A102 32818.17 33018.35 32918.26
A33 19005.76 19205.94 19105.85 A103 33018.35 33218.53 33118.44
A34 19205.94 19406.12 19306.03 A104 33218.53 33418.71 33318.62
A35 19406.12 19606.29 19506.21 A105 33418.71 33618.88 33518.79
A36 19606.29 19806.47 19706.38 A106 33618.88 33819.06 33718.97
A37 19806.47 20006.65 19906.56 A107 33819.06 34019.24 33919.15
A38 20006.65 20206.83 20106.74 A108 34019.24 34219.42 34119.33
A39 20206.83 20407.01 20306.92 A109 34219.42 34419.60 34319.51
A40 20407.01 20607.19 20507.10 A110 34419.60 34619.78 34519.69
A41 20607.19 20807.37 20707.28 A111 34619.78 34819.96 34719.87
A42 20807.37 21007.55 20907.46 A112 34819.96 35020.14 34920.05
A43 21007.55 21207.73 21107.64 A113 35020.14 35220.32 35120.23
A44 21207.73 21407.91 21307.82 A114 35220.32 35420.50 35320.41
A45 21407.91 21608.09 21508.00 A115 35420.50 35620.68 35520.59
A46 21608.09 21808.27 21708.18 A116 35620.68 35820.86 35720.77
A47 21808.27 22008.45 21908.36 A117 35820.86 36021.04 35920.95
A48 22008.45 22208.63 22108.54 A118 36021.04 36221.22 36121.13
A49 22208.63 22408.81 22308.72 A119 36221.22 36421.40 36321.31
A50 22408.81 22608.99 22508.90 A120 36421.40 36621.58 36521.49
A51 22608.99 22809.17 22709.08 A121 36621.58 36821.76 36721.67
A52 22809.17 23009.35 22909.26 A122 36821.76 37021.94 36921.85
A53 23009.35 23209.53 23109.44 A123 37021.94 37222.12 37122.03
A54 23209.53 23409.71 23309.62 A124 37222.12 37422.30 37322.21
A55 23409.71 23609.89 23509.80 A125 37422.30 37622.48 37522.39
A56 23609.89 23810.07 23709.98 A126 37622.48 37822.66 37722.57
A57 23810.07 24010.25 23910.16 A127 37822.66 38022.84 37922.75
A58 24010.25 24210.43 24110.34 A128 38022.84 38223.02 38122.93
A59 24210.43 24410.61 24310.52 A129 38223.02 38423.20 38323.11
A60 24410.61 24610.79 24510.70 A130 38423.20 38623.38 38523.29
A61 24610.79 24810.97 24710.88 A131 38623.38 38823.56 38723.47
A62 24810.97 25011.15 24911.06 A132 38823.56 39023.74 38923.65
A63 25011.15 25211.33 25111.24 A133 39023.74 39223.92 39123.83
A64 25211.33 25411.51 25311.42 A134 39223.92 39424.10 39324.01
A65 25411.51 25611.69 25511.60 A135 39424.10 39624.28 39524.19
A66 25611.69 25811.87 25711.78 A136 39624.28 39824.46 39724.37
A67 25811.87 26012.05 25911.96 A137 39824.46 40024.64 39924.55
A68 26012.05 26212.23 26112.14 A138 40024.64 40224.82 40124.73
A69 26212.23 26412.41 26312.32 A139 40224.82 40425.00 40324.91
A70 26412.41 26612.59 26512.50
22