Electronic Theses and Dissertation

Peramalan merupakan suatu teknik yang digunakan untuk memprediksi data kejadian masa mendatang menggunakan data masa sekarang dan masa lalu. adapun pendekatan kuantitatif yang sering digunakan dalam peramalan yaitu analisis time series. pada analisis time series terdapat banyak metode yang dapat digunakan untuk peramalan, akan tetapi tidak semua metode tersebut sesuai dengan data tertentu. sehingga, perlu dilakukan perbandingan metode agar diperoleh metode terbaik agar hasil peramalan yang didapatkan lebih akurat. metode dalam analisis time series telah banyak digunakan salah satunya untuk meramalkan indeks harga saham. data indeks saham cenderung tidak stasioner dan memiliki pola tren dimana data tersebut naik atau turun menuju satu arah dalam jangka waktu tertentu. adapun metode yang dapat digunakan untuk meramalkan data tersebut adalah arima dan double exponential smoothing (des) holt. selain metode tersebut lain yang dapat digunakan untuk peramalan yaitu fuzzy time series (fts) markov chain. penelitian ini bertujuan memperoleh metode peramalan terbaik untuk meramalkan indeks harga saham lq45 dimana hasil peramalan tersebut dapat menjadi acuan bagi investor dalam melakukan investasi dan untuk mengantisipasi pergerakan indeks saham yang tidak menentu akibat faktor internal maupun eksternal. data yang digunakan pada penelitian ini merupakan data sekunder berupa data harian indeks saham lq45 mulai dari 1 november 2021 sampai 31 oktober 2022. berdasarkan hasil analisis data, dapat disimpulkan bahwa metode yang relatif baik yang dapat digunakan untuk meramalkan indeks saham lq45 yaitu metode fts markov chain dapat dilihat dari nilai mape, mad dan rmse yang lebih kecil dibandingkan dengan metode arima dan double exponential smoothing holt yaitu berturut-turut sebesar 0,3497%, 3,4751 dan 5,397.

Forecasting is a technique used to predict future event data using present and past data. The quantitative approach that is often used in forecasting is time series analysis. In time series analysis there are many methods that can be used for forecasting, but not all of these methods are in accordance with certain data. So, it is necessary to do a comparison of methods in order to obtain the best method so that the forecasting results obtained are more accurate. Methods in time series analysis have been widely used, one of which is to predict the stock price index. Stock price index data tends to be non-stationary and has a trend pattern where the data goes up or down in one direction for a certain period of time. The methods that can be used to predict the data are ARIMA and Double Exponential Smoothing (DES). In addition to the classic time series method, there are other methods that can be used for forecasting, namely the Fuzzy Time Series (FTS). The purpose of this research is to obtain the best forecasting method to forecast the LQ45 stock price index where the forecasting results can be used as reference for investors in making investments and to anticipate the erratic movement of the stock index due to internal and external factors. The data used in this study is secondary data in the form of daily data on the LQ45 stock index from 1 November 2021 to 31 October 2022. Based on the results of data analysis, it can be concluded that the best method that can be used to predict the LQ45 stock index is the FTS Markov Chain method. The MAPE, RMSE and MAD values are smaller than the ARIMA and Double Exponential Smoothing Holt methods, namely 0,3497%, 3,4751 and 5,397 respectively.