Prediksi Harga Saham Sektor Energi Di Indonesia Menggunakan Hybrid ARFIMA-GARCH

Pribadi, Setya Indra (2025) Prediksi Harga Saham Sektor Energi Di Indonesia Menggunakan Hybrid ARFIMA-GARCH. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006211081-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Harga saham selalu mengalami fluktuasi dari waktu ke waktu, yang merupakan salah satu bentuk ketidakpastian di pasar saham. Risiko yang timbul akibat ketidakpastian ini dapat dikurangi melalui prediksi harga saham menggunakan model linier. Salah satu model linier yang dapat digunakan untuk prediksi harga saham adalah model hybrid ARFIMA-GARCH. Model ini merupakan kombinasi dari model ARFIMA dan model GARCH, yang masing-masing memiliki kelebihan dan kekurangan. Model ARFIMA efektif untuk peramalan jangka panjang, tetapi memiliki keterbatasan dalam menangani volatilitas yang terjadi dalam jangka panjang. Keterbatasan ini dapat diatasi oleh model GARCH, yang cocok untuk memodelkan volatilitas harga saham dalam jangka panjang. Model GARCH adalah pengembangan dari model Autoregressive Conditional Heteroscedasticity (ARCH), yang memanfaatkan volatilitas dari data sebelumnya. Dalam penelitian ini, model hybrid ARFIMA-GARCH akan digunakan untuk memprediksi harga saham sektor energi di IHSG. Penelitian ini akan memprediksi harga dari dua saham, yaitu saham pada sektor energi di IHSG. Data yang digunakan adalah harga penutupan harian (close price) saham PT AKR Corporindo Tbk (AKRA) dan PT ABM Investama Tbk (ABMM) dari tahun 2020 hingga 2025. Hasil penelitian menunjukkan bahwa model hybrid ARFIMA-GARCH memberikan prediksi yang lebih akurat dibandingkan model ARFIMA dan model ARIMA-GARCH, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 4,2% untuk saham AKRA dan 2,2% untuk saham ABMM. Nilai Root Mean Square Error (RMSE) yang dihasilkan juga lebih rendah, yaitu 88,078 untuk AKRA dan 89,146 untuk ABMM, mengindikasikan tingkat kesalahan yang lebih kecil.

=======================================================================================================================================

Stock prices constantly fluctuate over time, which is one form of uncertainty in the stock market. The risk arising from this uncertainty can be reduced through stock price prediction using linear models. One linear model that can be used for stock price prediction is the hybrid ARFIMA-GARCH model. This model combines the ARFIMA and GARCH models, each of which has its own strengths and weaknesses. The ARFIMA model is effective for long-term forecasting but has limitations in handling long-term volatility. This limitation can be overcome by the GARCH model, which is suitable for modeling long-term stock price volatility. The GARCH model is an extension of the Autoregressive Conditional Heteroscedasticity (ARCH) model, utilizing volatility from previous data. In this study, the hybrid ARFIMA-GARCH model will be used to predict stock prices in the energy sector of the Indonesia Stock Exchange (IDX). The research will forecast the prices of two energy sector stocks listed on the IDX. The data used are the daily closing prices of PT AKR Corporindo Tbk (AKRA) and PT ABM Investama Tbk (ABMM) from 2020 to 2025. The results show that the hybrid ARFIMA-GARCH model provides more accurate predictions compared to the ARFIMA and ARIMA-GARCH models, with a Mean Absolute Percentage Error (MAPE) value of 4,2% for AKRA and 2,2% for ABMM. The Root Mean Square Error (RMSE) values are also lower, at 88,078 for AKRA and 89,146 for ABMM, indicating a smaller error rate.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Accuracy Model, ARFIMA-GARCH, Energy Sector, Prediction, Stocks, Akurasi Model, ARFIMA-GARCH, Prediksi, Saham, Sektor Energi
Subjects:	Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry) Q Science > QA Mathematics > QA280 Box-Jenkins forecasting
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Setya Indra Pribadi
Date Deposited:	04 Aug 2025 03:42
Last Modified:	04 Aug 2025 03:42
URI:	http://repository.its.ac.id/id/eprint/125508

Actions (login required)

View Item