PERAMALAN RETURN SAHAM BANK CENTRAL ASIA MENGGUNAKAN SELF EXCITING THRESHOLD AUTOREGRESSIVE GENETIC ALGORITHM

PUTRI, TESALONIKA (2016) PERAMALAN RETURN SAHAM BANK CENTRAL ASIA MENGGUNAKAN SELF EXCITING THRESHOLD AUTOREGRESSIVE GENETIC ALGORITHM. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1312100113-Undergraduate_Theses.pdf]
Preview
Text
1312100113-Undergraduate_Theses.pdf - Published Version

Download (1MB) | Preview

Abstract

Tujuan utama investor melakukan investasi adalah mendapatkan
return investasi yang sesuai dengan apa yang telah diinvestasikan -
nya. Untuk mendapatkan hasil investasi yang tepat, investor perlu
mengetahui kondisi return saham di masa yang akan datang dengan
tingkat resiko yang kecil. Bank Central Asia (BCA) merupakan salah
satu perusahaan yang paling diminati oleh investor karena BCA
menduduki peringkat ke 4 berdasarkan pengukuran kinerja perusa -
haan dalam peningkatan kekayaan yang dihasilkan perusahaan di
atas return minimal. Kasus return saham BCA mengikuti pola deret
waktu nonlinear sehingga didekati dengan salah satu metode deret
waktu nonlinear Self Exciting Threshold Autoregressive (SETAR).
Model SETAR membagi data menjadi beberapa regime berdasarkan
nilai threshold yang diambil dari lag deret waktu return saham BCA
tersebut. Namun sering dijumpai permasalahan dalam memperoleh
model terbaik. Pada penelitian ini dilakukan optimasi estimasi parameter
model SETAR dengan genetic algorithm (GA) untuk mengatasi
hal tersebut. GA melakukan proses pencarian solusi terbaik berdasarkan
kumpulan solusi. Permodelan return saham BCA dilakukan
menggunakan model SETAR dan SETAR GA serta membandingkannya
dengan model ARIMA untuk menghasilkan akurasi peramalan
paling tinggi. Model peramalan terbaik adalah model subset
SETAR (2,[1,3,4],1) menggunakan optimasi genetic algorithm.
Model ini menghasilkan ketepatan prediksi yang paling tinggi dibandingkan
model lainnya.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Return Saham, Self-Exciting Threshold Autoregressive, Genetic Algorithm, ARIMA
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: - Davi Wah
Date Deposited: 23 Dec 2016 07:21
Last Modified: 27 Dec 2018 04:04
URI: http://repository.its.ac.id/id/eprint/1197

Actions (login required)

View Item View Item