Comparison Of Stock Price Prediction With Generalized Autoregressive Conditional Heteroscedasticity Model And Artificial Neural Network

Justinus Dedy Handyka Simanjuntak, Indwiarti Indwiarti, Aniq Atiqi Rohmawati

Abstract

Pasar modal sangat berkaitan dengan perekonomian karena pasar modal merupakan kegiatan perdagangan modal-modal perusahaan publik. Saham merupakan jumlah satuan dari modal kooperatif yang harganya dapat berubah sewaktu-waktu tergantung keuntungan dan kerugian atau kinerja perusahaan tersebut. Mengingat harga saham yang berubah-ubah maka diperlukan metode yang sesuai untuk dapat melakukan peramalan suatu harga saham. Untuk kasus harga saham berubah-ubah dapat diatasi dengan menggunakan metode time series. Generalized Autoregressive Conditional Heteroscedasticity (GARCH) merupakan salah satu model time series yang baik dalam melakukan peramalan harga saham. Model GARCH menganggap asumsi heteroscedasticity dapat meramalkan harga saham yang berubah-ubah secara signifikan terhadap waktu. Artifical Neural Network menunjukan pendekatan yang efektif dalam peramalan time series karena tingkat keakuratannya yang tinggi. Pada penelitian ini didapatkan hasil perhitungan error RMSE dengan model GARCH (1,0) sebesar 0.3234, dan ANN menggunakan 21 hidden layer sebesar 0.0091. Hasil dari penelitian ini metode ANN ialah metode terbaik dalam prediksi harga saham PT. Bumi Citra Permai Tbk. Kata kunci : GARCH, ANN, Saham

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0