Pemodelan dan Peramalan Data Saham dengan Analisis Time Series menggunakan Python
Main Article Content
Abstract
Dalam makalah ini dilakukan pemodelan time series menggunakan software Python. Data yang digunakan adalah data saham PT Bank Negara Indoneia. Secara umum diketahui bahwa pergerakan saham di Indonesia sangat fluktuatif oleh karena itu perlu di lakukan prediksi untuk mengetahui kondisi dan mempersiapkan strategi untuk menghadapi penurunan atau pelonjakan harga saham. Dalam makalah ini diselidiki pula factor seasonal atau musiman, sehingga pada identifikasi model digunakan analisis time series Seasonal Autoregressive Integrated Moving Average (SARIMA) berbantuan software Jupyter Notebook berbahasa Python. Dalam analisis ini Python membantu untuk melakukan perhitungan dan visualisasi data agar lebih mudah dan efisien. Dalam menganalisis data saham dengan metode SARIMA menggunakan Python, langkah pertama yang dilakukan adalah mempersiapkan modul yang akan digunakan untuk analisis SARIMA, kemudian dilakukan preprocessing data dan indexing. Langkah selanjutnya adalah visualisasi data untuk mengetahui pola data secara umum. Mengikuti langkah metode Box Jenkins, dilakukan identifikasi dan diagnosa model. Pada studi kasus ini didapat model SARIMA (1,1,1) (0,1,1,12). Berdasarkan studi kasus dari model tersebut, dilakukan fitting model dan didapat Mean Square Error (MSE) sebesar 460418,82. Langkah terakhir adalah melakukan peramalan untuk beberapa periode mendatang.
Article Details
References
Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2016). Introduction Time Series Analysis and Forecasting. 671.
PT Bursa Efek Indonesia. (n.d.). Retrieved February 14, 2020, from https://www.idx.co.id/perusahaan-tercatat/profil-perusahaan-tercatat/detail-profile-perusahaan-tercatat/?kodeEmiten=BBNI
Rossi, Richard J. Mathematical statistics: an introduction to likelihood based inference. John Wiley & Sons, 2018.