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.