Prediksi Harga Saham PT. Hanson International Tbk menggunakan Metode Vector Autoregressive (VAR) Stasioner

Abstract

Abstrak Pasar modal adalah salah satu dari instrumen saham. Para investor memperoleh keuntungan yang besar namun bisa sebaliknya. Keuntungan yang besar bisa didapatkan dengan melakukan analisa dalam memprediksi harga saham. Namun, pada proses prediksi harga saham terdapat kesulitan karena saham mengalami fluktasi setiap waktu dengan cepat. Pada tugas akhir ini digunakan metode Vector Autoregressive (VAR) untuk memprediksi harga saham di PT. Hanson International Tbk yang bergerak di bidang industri properti dan perumahan dengan melibatkan kurs nilai jual dollar ke rupiah. VAR merupakan salah satu model time series stasoner yang dalam pemodelannya melibatkan informasi historis variabel lain selain informasi historis dari variabel yang ingin diprediksi. Jika terdapat dua variabel acak runtun waktu (misalkan dan ) dengan yang memiliki unsur kausalitas (asosiasi), maka VAR dapat memodelkan dengan melibatkan dan sebaliknya. Adapun data yang digunakan pada tugas akhir ini adalah data historis close harian dari Januari 2015 hingga September 2019. Tugas akhir ini juga mengembangkan time series secara stasioner. Hasil dari prediksi tugas akhir ini menunjukkan bahwa Root Mean Square Error(RMSE) sebesar 41.50 Kata kunci : Model Vector Autoregressive Model (VAR), time series,stasioner,PT. Hanson International Tbk, Root Mean Square Error (RMSE) Abstract Capital markets are one of the stock instruments. Investors get a big profit but can otherwise. Large profits can be obtained by analyzing the price of the stock. However, in the stock price prediction process, there is difficulty because the stock has decreased flutation every time quickly. At this final task used the Vector Autoregressive (VAR) method to predict the stock price in PT. Hanson International TBK engaged in the property and housing industry by involving the exchange rate of the selling dollar to rupiah. VAR is one of the time series Stasoner models that in its modelers involve historical information of other variables besides the historical information of the variables you want to predict. If there are two variables random time (e.g. and )) with which have causality (association) element, then VAR can model by involving and vice versa. The data used in this final task is daily close historical data from January 2015 to September 2019. This final task also develops a stationary time series. The result of this final task prediction suggests that Root Mean Square Error (RMSE) amounting to 41.50 Keywords: Model Vector Autoregressive Model (VAR), time series,stasioner,PT. Hanson International Tbk, Root Mean Square Error (RMSE)