Penerapan ensemble empirical mode decomposition-autoregressive integrated moving average (EEMD-ARIMA) dalam memprediksi indeks harga saham gabungan

ANGGRAINI WULANDARI, (NIM. 1071911021) (2025) Penerapan ensemble empirical mode decomposition-autoregressive integrated moving average (EEMD-ARIMA) dalam memprediksi indeks harga saham gabungan. Other thesis, Universitas Bangka Belitung.

	Text HALAMAN DEPAN.pdf Restricted to Registered users only Download (720kB)
	Text BAB I.pdf Restricted to Registered users only Download (344kB)
	Text BAB II.pdf Restricted to Registered users only Download (475kB)
	Text BAB III.pdf Restricted to Registered users only Download (298kB)
	Text BAB IV.pdf Restricted to Registered users only Download (640kB)
	Text BAB V.pdf Restricted to Registered users only Download (210kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (283kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (358kB)

Abstract

Naik turunnya harga saham membuat investor ragu untuk berinvestasi pada saham karena keadaan yang tidak pasti di waktu mendatang. Salah satu metode
yang bisa mengatasi masalah tersebut adalah dengan melakukan prediksi mengenai harga saham di masa yang akan datang. Di pasar keuangan yang dinamis, model
prediksi yang akurat untuk indeks saham memainkan peran penting dalam strategi investasi dan manajemen risiko. Data dalam jumlah yang sangat besar cenderung bersifat tidak linier dan tidak stasioner serta sulit diinterpretasikan secara konkrit.
Masalah ini dapat diatasi dengan melakukan proses dekomposisi. Salah satu metode dekomposisi pada data deret waktu adalah EEMD (Ensemble Empirical Mode
Decomposition) yang dikombinasikan dengan model ARIMA (AutoRegressive Integrated Moving Average) untuk memprediksi Indeks Harga Saham Gabungan
(IHSG). EEMD digunakan untuk memecah data harga saham menjadi beberapa bagian kecil yang disebut Intrinsic Mode Functions (IMF), sehingga pola-pola
tersembunyi bisa terlihat lebih jelas. Kemudian, model ARIMA diterapkan pada setiap IMF untuk membuat prediksi. Pendekatan hybrid EEMD-ARIMA dievaluasi
menggunakan data bulanan IHSG periode Januari 2009 sampai Desember 2024 sebanyak 192 data. Berdasarkan hasil penelitian, proses dekomposisi menghasilkan
sebanyak 5 IMF dan sisaan IMF. Komponen IMF tersebut selanjutnya digunakan untuk prediksi IMF dan sisaan IMF untuk beberapa waktu ke depan menggunakan ARIMA dengan memilih model terbaik untuk masing-masing komponen IMF. Prediksi dapat dikatakan baik dilihat berdasarkan nilai MAPE terkecil. Prediksi IHSG menggunakan EEMD-ARIMA menghasilkan MAPE 1,84%, sedangkan prediksi menggunakan ARIMA tanpa dekomposisi sebesar 2,46%. Hal ini menunjukkan bahwa kombinasi EEMD-ARIMA memberikan prediksi yang lebih
akurat dibandingkan metode lain yang sering digunakan.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Indeks Harga Saham Gabungan, IHSG, EEMD, ARIMA, Deret Waktu
Divisions:	FAKULTAS SAINS DAN TEKNIK > MATEMATIKA > SKRIPSI
Depositing User:	Mr Jan Frist Pagendo Purba
Date Deposited:	18 Dec 2025 04:11
Last Modified:	18 Dec 2025 04:11
URI:	https://repository.ubb.ac.id/id/eprint/10836

Actions (login required)

View Item