Andreas Reza Chrisantama, Winita Sulandari, S. Sugiyanto
{"title":"PENERAPAN METODE AUTO SINGULAR SPECTRUM ANALYSIS PADA PERAMALAN DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA","authors":"Andreas Reza Chrisantama, Winita Sulandari, S. Sugiyanto","doi":"10.30598/pattimurasci.2021.knmxx.405-410","DOIUrl":null,"url":null,"abstract":"Keinginan dari seseorang untuk memenuhi kebutuhan serta permintaan dalamaktivitasnya setiap hari akan semakin banyak, apalagi sekarang di dalam masa kehidupanpandemik ini banyak masyarakat yang ingin meningkatkan kembali ekonomi mereka. Makadari itu diperlukan penanda dari pergerakan pasar saham untuk mengukur kinerja seluruhsaham yang tercatat di papan utama, yang merupakan asal terciptanya dari Indeks HargaSaham Gabungan (IHSG). Peramalan indeks harga saham ini penting bagi masyarakat yangingin mengukur kinerja portofolio dari investasi mereka serta bagi negara yangmengandalkan IHSG dalam menunjukkan pertumbuhan ekonomi Indonesia. Tujuan daripenelitian ini adalah menerapkan metode autoSSA yang merupakan pembuatan grup barusecara otomatis pada data yang sudah direkonstruksi untuk melihat nilai prediksi yang akandatang dari indikator yang sudah diambil. Metode autoSSA dipilih karena teknik projektifsecara tradisional tidak dapat langsung diterapkan pada sinyal one-dimensional., yangmerupakan kasus time series. Indikator IHSG yang digunakan adalah data Indeks mingguanpada tahun 2018 hingga 2020. Tahap-tahap untuk melakukan prediksi dengan metode iniantara lain membuat serta memeriksa plot data deret waktu yang telah diambil, melakukantahap dekomposisi serta merekonstruksi kembali data time series yang baru, dan akandilakukan peramalan data time series dalam 50 minggu ke depan dari model data yang telahdidapatkan untuk melihat pergerakan IHSG ke depannya. Hasil prediksi yang didapatkandari metode ini menunjukkan adanya pergantian fluktuasi secara musiman (seasonal)dengan nilai tertinggi berada di minggu ke-29 dan nilai terendah berada di minggu ke-50.","PeriodicalId":253946,"journal":{"name":"Pattimura Proceeding: Conference of Science and Technology","volume":"22 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-04-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Pattimura Proceeding: Conference of Science and Technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30598/pattimurasci.2021.knmxx.405-410","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
PENERAPAN METODE AUTO SINGULAR SPECTRUM ANALYSIS PADA PERAMALAN DATA INDEKS HARGA SAHAM GABUNGAN DI INDONESIA
Keinginan dari seseorang untuk memenuhi kebutuhan serta permintaan dalamaktivitasnya setiap hari akan semakin banyak, apalagi sekarang di dalam masa kehidupanpandemik ini banyak masyarakat yang ingin meningkatkan kembali ekonomi mereka. Makadari itu diperlukan penanda dari pergerakan pasar saham untuk mengukur kinerja seluruhsaham yang tercatat di papan utama, yang merupakan asal terciptanya dari Indeks HargaSaham Gabungan (IHSG). Peramalan indeks harga saham ini penting bagi masyarakat yangingin mengukur kinerja portofolio dari investasi mereka serta bagi negara yangmengandalkan IHSG dalam menunjukkan pertumbuhan ekonomi Indonesia. Tujuan daripenelitian ini adalah menerapkan metode autoSSA yang merupakan pembuatan grup barusecara otomatis pada data yang sudah direkonstruksi untuk melihat nilai prediksi yang akandatang dari indikator yang sudah diambil. Metode autoSSA dipilih karena teknik projektifsecara tradisional tidak dapat langsung diterapkan pada sinyal one-dimensional., yangmerupakan kasus time series. Indikator IHSG yang digunakan adalah data Indeks mingguanpada tahun 2018 hingga 2020. Tahap-tahap untuk melakukan prediksi dengan metode iniantara lain membuat serta memeriksa plot data deret waktu yang telah diambil, melakukantahap dekomposisi serta merekonstruksi kembali data time series yang baru, dan akandilakukan peramalan data time series dalam 50 minggu ke depan dari model data yang telahdidapatkan untuk melihat pergerakan IHSG ke depannya. Hasil prediksi yang didapatkandari metode ini menunjukkan adanya pergantian fluktuasi secara musiman (seasonal)dengan nilai tertinggi berada di minggu ke-29 dan nilai terendah berada di minggu ke-50.