3.3 Pengumpulan Data
Pengumpulan data dilakukan dengan cara mengumpulkan data harga saham Astra Agro Lestari Tbk. AALI.JK yang bersumber di
http: finance.yahoo.com .
Data yang digunakan merupakan data harga saham pada saat penutupan mulai tanggal 18 September 2013 sampai dengan tanggal 31 Maret 2015. Data yang
dikumpulkan sebanyak 400 data harga saham Astra Agro Lestari Tbk. AALI.JK. Data dicatat sesuai dengan trading days Senin-
Juma‟at banyaknya hari kerja yaitu 1 minggu terdiri dari 5 hari dan tidak termasuk hari libur nasional.
3.4 Pemecahan Masalah
3.4.1 Metode ARIMA
Langkah-langkah peramalan harga saham dengan metode ARIMA adalah sebagai berikut.
1. Identifikasi model
Pada tahap pertama kali, hal yang dilakukan yaitu memplotkan data saham asli dan membuat grafik ACF serta PACF. Plot dan grafik tersebut digunakan untuk
melihat pola yang terkandung dan kestasioneran pada data time series. Kestasioneran data juga dapat diketahui menggunakan uji uni root. Apabila data
saham tersebut tidak stasioner dalam varian maka perlu dilakukan transformasi. Sedangkan, apabila data saham tersebut tidak stasioner dalam mean maka
dilakukan differencing. Hasil dari grafik ACF dan PACF pada data yang sudah stasioner digunakan sebagai petunjuk untuk menentukan model awal yang
dijelaskan pada Tabel 3.1.
Tabel 3.1 Karakteristik dari ACF dan PACF untuk proses stasioner
Proses Autocorrelation Function
Autocorrelation Parsial Function
AR Meluruh
menuju nol
secara eksponensial atau mengikuti pola gelombang
sinus Terputus
seketika cutoff
menuju nol setelah lag
MA Terputus seketika cutoff
menuju nol setelah lag Meluruh menuju nol secara
eksponensial atau mengikuti pola gelombang sinus
ARMA Meluruh
menuju nol
secara eksponensial atau mengikuti pola gelombang
sinus Meluruh menuju nol secara
eksponensial atau mengikuti pola gelombang sinus
2. Estimasi model
Tahap selanjutnya yaitu estimasi model. Dalam tahap ini, setelah menentukan model awal, akan diperoleh estimasi koefisien-koefisien dari model yang
diperoleh pada tahap identifikasi. Beberapa model yang sudah dipilih akan diterima apabila koefisien hasil estimasi signifikan. Sebaliknya, apabila
koefisien hasil estimasi tidak signifikan maka model tersebut ditolak. 3.
Diagnostic checking Setelah tahap estimasi model, langkah selanjutnya yaitu melakukan diagnotic
checking dari model yang telah diestimasi. Pada tahap ini dilakukan verifikasi kesesuaian model dengan sifat-sifat data serta dilakukan pemilihan model
terbaik berdasarkan MSE yang diperoleh. Jika modelnya tepat maka data yang dihitung dengan model akan memiliki sifat-sifat yang mirip dengan data asli.
Dengan demikian, residual yang dihitung berdasarkan model yang telah diestimasi bersifat white noise.
4. Peramalan berdasarkan model terbaik
Setelah model terbaik diperoleh berdasarkan langkah-langkah sebelumnya, model tersebut digunakan untuk meramalkan data di masa yang akan datang.
Data hasil peramalan ini akan mendekati data aslinya. Diagram alur penggunaan metode ARIMA ditunjukkan oleh Gambar 3.1.
A Plot data
Mulai Input data
Sudah stasioner?
Uji stasionaritas data Varian: transformasi
Mean: differencing
Identifikasi model sementara
Estimasi model Pemeriksaan diagnostik
Sudah cocok?
Tidak
Ya
Tidak
Ya
Gambar 3.1 Flowchart proses ARIMA
3.4.2 Metode Jaringan Syaraf Tiruan