BAB IV ANALISIS DATA DAN PEMBAHASAN
4.1 Data
Data yang digunaka adalah data sekunder dengan data bulanan data penutupan saham dari September 2011 sampai agustus 2013 pada perusahaan perkebunan di
Bursa Efek Indonesia BEI.
Tabel 4.1. Data Penutupan Saham Dari September 2011 Sampai Agustus 2013 Pada Perusahaan Perkebunan Di Bursa Efek Indonesia BEI
Keterangan AALI
GZCO JAWA
LSIP SGRO
SIMP SMAR
TBLA UNSP
20 September 2011 20 Oktober 2011
21 Nopember 2011 20 Desember 2011
20 Januari 2012 20 Februari 2012
20 Maret 2012 20 April 2012
21 Mei 2012 20 Juni 2012
20 Juli 2012 23 Agustus 2012
20 September 2012 22 Oktober 2012
20 Nopember 2012 20 Desember 2012
21 Januari 2013 20 Februari 2013
20 Maret 2013 22 April 2013
20 Mei 2013 20 Juni 2013
22 Juli 2013 20 Agustus 2013
21850 19050
21550 20750
22100 22250
21350 23150
18100 21300
23000 22000
22100 20600
20300 18250
19150 18900
18350 18700
17450 19000
17200 13300
295 245
250 220
229 250
258 295
233 275
280 230
210 215
199 194
193 190
181 146
148 134
129 111
400 360
385 365
400 375
410 410
355 355
370 340
350 345
350 370
365 375
355 385
365 365
365 340
2150 2000
2325 2125
2400 2675
2900 3000
2425 2600
2875 2575
2525 2400
2275 1990
2275 2175
1920 1760
1630 1830
1350 1000
3350 2900
3000 2950
3150 3475
3525 3475
2850 2850
3125 2800
2825 2425
2375 2375
2500 2325
2175 2100
1950 1800
1570 1590
1240 1100
1170 1150
1190 1400
1330 1310
1260 1320
1430 1350
1300 1240
1080 1070
1130 1130
1030
900 820
970 730
610 6650
5850 6650
6700 5700
5400 6200
6100 6350
6400 6500
6300 7400
6800 6800
6600 6700
6700 6700
6700 6900
7000 8600
6400 680
590 590
600 600
405 400
440 600
520 700
690 520
500 500
475 485
480 480
485 495
480 480
440 360
290 280
285 305
290 300
305 260
184 184
141 148
119 108
92 96
116 99
98 86
51 53
50
Sumber: Data Penutupan Saham Bursa Efek Indonesia BEI
44
Universitas Sumatera Utara
4.2. Pengolahan Data 4.2.1. Peramalan Harga Saham PT Astra Agro Lestari Tbk AALI
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
Gambar 4.1. Plot Data AALI
Grafik pada gambar 4.1 memperlihatkan bahwa data harga saham penutupan AALI cenderung menurun. Dimana pada bulan September 2011
sebesar 21.850, pada Mei 2012 terjadi penurunan yaitu 18.100 dan turun lagi hingga 13.300 di bulan Agustus 2013.
Gambar 4.2. Fungsi Autokorelasi Data Penutupan Saham PT. AALI Pada Bursa Efek Indonesia Dari September 2011 Samapai Agustus 2013
Universitas Sumatera Utara
Selanjutnya dilakukan proses estimasi dengan memasukkan berbagai model ARIMA yang terdiri dari paramater p, d, dan q. Angka p menunjukan ordo
atau derajat autoregressive AR, angka d adalah tingkat proses differencing, dan angka q menunjukan ordo atau derajat moving average MA, sehingga model
dapat dituliskan ARIMA p,d,q. Hasil identifikasi menunjukkan bahwa data penutupan saham AALI sudah stasioner, sehingga tidak memerlukan proses
differencing. Oleh karena itu angka d differencing atau integrasi ditulis dengan angka 0. Dengan demikian, angka d pada model ARIMA p,d,q menjadi 0,
sehingga pada data digunakan model ARIMA p,0,q. Kemungkinan model yang digunakan dalam analisis ini antara lain : ARIMA 1,0,1, ARIMA 1,0,2,
ARIMA 2,0,1, dan ARIMA 2,0,2. Dari kemungkinan yang telah diestimasi maka model yang telah
memenuhi kriteria adalah model ARIMA 1,0,2 yang mencakup nilai AR 1 dan MA 2. Hasil diagnostik model ARIMA 1,0,2 dapat dilihat pada grafik ACF
dan grafik PACF.
Gambar 4.3. Grafik ACF data penutupan saham AALI
Universitas Sumatera Utara
133034731 0,100
0,100 0,100
17990,715 1
121879037 -0,006
-0,050 0,054
20061,056 2
119378912 -0,146
-0,200 0,034
22850,832 3
117940371 -0,291
-0,350 0,018
25724,380 4
116818963 -0,436
-0,500 0,001
28612,527 5
115799281 -0,581
-0,650 -0,016
31491,520 6
114757213 -0,724
-0,800 -0,034
34340,912 7
113574646 -0,863
-0,950 -0,056
37098,423 8
99408889 -0,734
-1,068 -0,206
34449,234 9
98914280 -0,833
-1,218 -0,265
36428,981 10
91152723 -0,683
-1,190 -0,245
33451,630 11
88881908 -0,533
-1,096 -0,145
30510,027 12
87992287 -0,383
-1,004 -0,045
27536,698 13
86997320 -0,317
-0,994 -0,016
26190,196 14
85396613 -0,182
-0,890 0,134
23513,502 15
82595954 -0,191
-0,911 0,143
23752,696 16
80994129 -0,186
-0,923 0,152
23632,535 17
80447207 -0,185
-0,927 0,155
23590,878 18
80021761 -0,184
-0,930 0,157
23562,513 19
79694876 -0,183
-0,933 0,159
23541,623 20
78917120 -0,177
-0,951 0,170
23388,660 21
76308094 -0,176
-0,960 0,177
23362,108
Gambar 4.4. Grafik PACF Data Penutupan Saham AALI
Pada kedua grafik tersebut, keduanya mempunyai kesamaan, yakni tidak ada satupun bar warna biru yang melampaui garis batas merah, atau dapat
dikatakan bahwa residu dari model di atas bersifat random, sehingga model ARIMA 1,0,2 dapat digunakan untuk memprediksi harga saham perkebunan di
bursa efek indonesia BEI. Dengan estimasinya:
Estimates at each iteration Iteration SSE Parameters
Universitas Sumatera Utara
22 75976338
-0,175 -0,963
0,178 23347,184
23 75691335
-0,175 -0,965
0,179 23336,043
24 75445327
-0,174 -0,967
0,180 23326,908
25 75230502
-0,174 -0,969
0,181 23319,163
Convergence criterion not met after 25 iterations Final Estimates of Parameters
Type Coef
SE Coef T
P AR
1 -0,1739
0,8199 -0,21
0,834 MA
1 -0,9691
0,8318 -1,17
0,258 MA
2 0,1808
0,8929 0,20
0,842 Constant
23319,2 90,5
257,66 0,000
Mean 19864,4
77,1 Number of observations: 24
Residuals: SS =
70453956 backforecasts excluded MS =
3522698 DF = 20 Modified Box-Pierce Ljung-Box Chi-Square statistic
Lag 12
24 36
48 Chi-Square
16,8 DF
8 P-Value
0,032
Dengan model arima 1,0,2 tersebut dapat dirumuskan persamaan peramalan harga saham perkebunan di bursa efek indonesia BEI sebagai berikut:
Y
t
=
µ
+
φ
1
Y
t −1
+
θ
1
Y
t −1
+
θ
Y
t − 2
+ e
t
Dengan demikian, prediksi data ke 25 sampai 60 36 periode atau 3 tahun ke depan menjadi: Y
t
= 23319,2 - 0,1739 - 0,9691 + 0,1808 + e
t
Keterangan : Y
t
= harga saham perkebunan di bursa efek indonesia BEI yang diprediksi e
t
= eror yang menjelaskan efek dari variabel yang tidak dijelaskan Y
t-1
, Y
t-2
= harga saham perkebunan di bursa efek indonesia yang merupakan lag dari residual
Hasil ramalan dapat dilihat pada lampiran 1 Dari hasil ramalan AALI yang diperoleh dengan program Minitab 16, ARIMA
menunjukkan bahwasanya dengan data jangka pendek tersebut terdapat trend yang
Universitas Sumatera Utara
naik. Oleh karena itu, langkah yang sebaiknya diambil untuk para investor ke perusahaan AALI adalah membeli.
4.2.2. Peramalan Harga Saham PT Gozco Plantations Tbk. GZCO
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
Gambar 4.5. Plot Data GZCO
Grafik pada gambar 4.5. memperlihatkan bahwa data harga saham penutupan GZCO cenderung menurun. Dimana pada bulan September 2011
sebesar 295, pada November 2012 terjadi penurunan yaitu 199 dan terus menurun hingga 111 di bulan Agustus 2013.
Universitas Sumatera Utara
Gambar 4.6. Fungsi Autokorelasi Data Penutupan Saham PT. GZCO Pada Bursa Efek Indonesia Dari September 2011 Samapai Agustus 2013
Hasil identifikasi menunjukkan bahwa data penutupan saham GZCO belum stasioner, sehingga memerlukan proses differencing. Oleh karena itu angka
d differencing atau integrasi ditulis dengan angka terkecil yakni 1. Dengan demikian, angka d pada model ARIMA p,d,q menjadi 1, sehingga pada data
digunakan model ARIMA p,1,q. Kemungkinan model yang digunakan dalam analisis ini antara lain : ARIMA 0,1,1, ARIMA 1,1,0, ARIMA 2,1,0,
ARIMA 0,1,2, ARIMA 1,1,2, ARIMA 2,1,1 dan ARIMA 2,1,2. Dari kemungkinan yang telah diestimasi maka model yang telah
memenuhi kriteria adalah model ARIMA 1,1,2 yang mencakup nilai AR 1 dan MA 2. Hasil diagnostik model ARIMA 1,1,2 dapat dilihat pada grafik ACF
dan grafik PACF.
Universitas Sumatera Utara
14745,4 0,100
0,100 0,100
-7,110 1
14272,2 -0,050
-0,001 0,099
-8,263 2
13978,6 -0,200
-0,120 0,106
-9,417 3
13740,5 -0,350
-0,245 0,119
-10,568 4
13522,0 -0,500
-0,374 0,138
-11,715 5
13290,2 -0,650
-0,506 0,163
-12,855 6
12964,5 -0,800
-0,640 0,196
-13,977 7
12289,8 -0,907
-0,672 0,346
-14,403 8
11493,6 -0,814
-0,615 0,405
-12,211 9
11105,8 -0,787
-0,575 0,482
-9,832 10
11062,2 -0,809
-0,614 0,520
-15,133
Gambar 4.7. Grafik ACF Data Penutupan Saham GZCO
Gambar 4.8. Grafik PACF Data Penutupan Saham GZCO
Pada kedua grafik tersebut, keduanya mempunyai kesamaan, yakni tidak ada satupun bar warna biru yang melampaui garis batas merah, atau dapat
dikatakan bahwa residu dari model di atas bersifat random, sehingga model ARIMA 1,1,2 dapat digunakan untuk memprediksi harga saham perkebunan di
bursa efek indonesia BEI. Dengan estimasinya:
Estimates at each iteration Iteration SSE Parameters
Universitas Sumatera Utara
11 10355,0
-0,814 -0,637
0,517 -16,078
12 10330,8
-0,815 -0,642
0,516 -16,368
13 10293,0
-0,815 -0,643
0,516 -16,387
14 10290,9
-0,815 -0,644
0,516 -16,413
15 10289,5
-0,815 -0,644
0,516 -16,438
16 10288,1
-0,816 -0,645
0,516 -16,463
17 10286,7
-0,816 -0,645
0,516 -16,487
18 10285,5
-0,816 -0,646
0,516 -16,511
19 10284,2
-0,817 -0,646
0,516 -16,533
20 10282,8
-0,817 -0,647
0,516 -16,556
21 10281,9
-0,817 -0,647
0,516 -16,578
22 10280,8
-0,818 -0,648
0,515 -16,599
23 10279,7
-0,818 -0,648
0,515 -16,619
24 10278,6
-0,818 -0,649
0,515 -16,640
25 10277,5
-0,818 -0,649
0,515 -16,659
Relative change in each estimate less than 0,0010 Final Estimates of Parameters
Type Coef
SE Coef T
P AR
1 -0,8185
0,2199 -3,72
0,001 MA
1 -0,6490
0,3007 -2,16
0,044 MA
2 0,5154
0,2439 2,11
0,048 Constant -16,6591 0,2067 -80,61 0,000
Differencing: 1 regular difference Number of observations: Original series 24, after differencing 23
Residuals: SS =
10056,9 backforecasts excluded MS =
529,3 DF = 19 Modified Box-Pierce Ljung-Box Chi-Square statistic
Lag 12
24 36
48 Chi-Square
8,0 DF
8 P-Value
0,434
Dengan model ARIMA 1,1,2 tersebut dapat dirumuskan persamaan peramalan harga saham perkebunan di bursa efek indonesia BEI sebagai berikut:
Y
t
=
µ
+
φ
1
Y
t −1
+
θ
1
Y
t −1
+
θ
Y
t − 2
+ e
t
Dengan demikian, prediksi data ke 25 sampai 60 36 periode atau 3 tahun ke depan menjadi: Y
t
= -16,6591 – 0,8185 – 0,6490 + 0,5154 + e
t
Hasil ramalan dapat dilihat pada lampiran 1 Dari hasil ramalan GZCO yang diperoleh dengan program Minitab 16 ARIMA
menunjukkan bahwasanya dengan data jangka pendek tersebut terdapat trend yang
Universitas Sumatera Utara
menurun. Oleh karena itu, langkah yang sebaiknya diambil untuk para investor ke perusahaan GZCO adalah menjual.
4.2.3. Peramalan Harga Saham PT Jaya Agra Wattie Tbk. JAWA
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
Gambar 4.9. Plot Data PT JAWA
Grafik pada gambar 4.9. memperlihatkan bahwa data harga saham penutupan JAWA bulan September 2011 sebesar 400, pada April 2012 naik
menjadi 410 dan pada bulan Agustus 2013 sebesar 340.
Gambar 4.10. Fungsi Autokorelasi Data Penutupan Saham PT. JAWA Pada Bursa Efek Indonesia Dari September 2011 Samapai Agustus 2013
Universitas Sumatera Utara
Hasil identifikasi menunjukkan bahwa data penutupan saham JAWA sudah stasioner, sehingga tidak memerlukan proses differencing. Oleh karena itu
angka d differencing atau integrasi ditulis dengan angka 0, sehingga pada data digunakan model ARIMA p,0,q. Kemungkinan model yang digunakan dalam
analisis ini antara lain: ARIMA 1,0,1, ARIMA 1,0,2, ARIMA 2,0,1, dan ARIMA 2,0,2.
Dari kemungkinan yang telah diestimasi maka model yang telah memenuhi kriteria adalah model ARIMA 2,0,2 yang mencakup nilai AR 2 dan
MA 2. Hasil diagnostik model ARIMA 2,0,2 dapat dilihat pada grafik ACF dan grafik PACF.
Gambar 4.11. Grafik ACF Data Penutupan Saham JAWA
Gambar 4.12. Grafik PACF Data Penutupan Saham JAWA
Universitas Sumatera Utara
Pada kedua grafik tersebut, keduanya mempunyai kesamaan, yakni tidak ada satupun bar warna biru yang melampaui garis batas merah, atau dapat
dikatakan bahwa residu dari model di atas bersifat random, sehingga model ARIMA 2,0,2 dapat digunakan untuk memprediksi harga saham perkebunan di
bursa efek indonesia BEI. Dengan estimasinya:
Estimates at each iteration Iteration SSE Parameters
9599,20 0,100
0,100 0,100
0,100 295,247
1 8175,18
0,175 0,225
0,026 -0,024
221,082 2
8047,28 0,299
0,094 0,142
-0,174 223,508
3 7935,63
0,449 -0,030
0,286 -0,307
214,076 4
7859,34 0,599
-0,142 0,431
-0,428 199,782
5 7833,38
0,683 -0,163
0,508 -0,453
177,024 6
7820,67 0,759
-0,217 0,580
-0,489 168,840
7 7803,90
0,842 -0,282
0,660 -0,529
162,354 8
7777,74 0,935
-0,364 0,750
-0,582 158,100
9 7745,35
1,019 -0,445
0,834 -0,641
157,161 10
7715,56 1,068
-0,501 0,888
-0,692 160,029
11 7686,45
1,089 -0,536
0,916 -0,734
164,878 12
7651,57 1,104
-0,566 0,937
-0,774 170,631
13 7609,85
1,117 -0,596
0,954 -0,812
176,639 14
7589,95 1,120
-0,620 0,950
-0,833 184,762
15 7569,00
1,130 -0,626
0,961 -0,850
183,172 16
7562,75 1,133
-0,624 0,962
-0,856 181,224
17 7558,52
1,134 -0,619
0,966 -0,860
179,321 18
7556,79 1,134
-0,616 0,967
-0,862 178,050
19 7556,10
1,133 -0,613
0,968 -0,864
177,283 20
7555,83 1,133
-0,612 0,969
-0,865 176,839
21 7555,72
1,133 -0,611
0,969 -0,865
176,553 22
7555,67 1,133
-0,610 0,969
-0,866 176,384
23 7555,66
1,132 -0,610
0,969 -0,866
176,282 Relative change in each estimate less than 0,0010
Final Estimates of Parameters Type
Coef SE Coef
T P
AR 1
1,1324 0,3195
3,54 0,002
AR 2
-0,6096 0,3021
-2,02 0,058
MA 1
0,9693 0,2272
4,27 0,000
MA 2
-0,8661 0,1926
-4,50 0,000
Constant 176,282
3,501 50,36
0,000 Mean
369,387 7,336
Number of observations: 24 Residuals: SS = 6793,81 backforecasts excluded
MS = 357,57 DF = 19
Universitas Sumatera Utara
Modified Box-Pierce Ljung-Box Chi-Square statistic Lag
12 24
36 48
Chi-Square 2,7
DF 7
P-Value 0,909
Dengan model ARIMA 2,0,2 tersebut dapat dirumuskan persamaan peramalan harga saham perkebunan di bursa efek indonesia BEI sebagai berikut:
Y
t
=
µ
+
φ
1
Y
t −1
+
φ
Y
t − 2
+
θ
1
Y
t −1
+
θ
Y
t − 2
+ e
t
Dengan demikian, prediksi data ke 25 sampai 60 36 periode atau 3 tahun ke depan menjadi: Y
t
= 176,282 + 1,1324 – 0,6096 + 0,9693 – 0,8661 + e
t
Hasil ramalan dapat dilihat pada lampiran 1 Dari hasil ramalan PT. JAWA yang diperoleh dengan program Minitab 16,
ARIMA menunjukkan bahwasanya dengan data jangka pendek tersebut terdapat trend yang naik. Oleh karena itu, langkah yang sebaiknya diambil untuk para
investor ke perusahaan JAWA adalah membeli .
4.2.4. Peramalan Harga Saham PT London Sumatra Indonesia Tbk
LSIP
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
Gambar 4.13. Plot Data LSIP
Universitas Sumatera Utara
Grafik pada gambar 4.13. memperlihatkan bahwa data harga saham penutupan LSIP cenderung menurun. Dimana pada bulan September 2011 sebesar
2150, pada April 2012 terjadi kenaikan yaitu 3000 dan turun lagi hingga 1000 di bulan Agustus 2013.
Gambar 4.14. Fungsi Autokorelasi Data Penutupan Saham PT.LSIP Pada Bursa Efek Indonesia Dari September 2011 Samapai Agustus 2013
Hasil identifikasi menunjukkan bahwa data penutupan saham LSIP belum stasioner, sehingga memerlukan proses differencing. Oleh karena itu angka d
differencing atau integrasi ditulis dengan angka terkecil yakni 1. Sehingga pada data digunakan model ARIMA p,1,q. Kemungkinan model yang digunakan
dalam analisis ini antara lain : ARIMA 0,1,1, ARIMA 1,1,0, ARIMA 2,1,0, ARIMA 0,1,2, ARIMA 1,1,2, ARIMA 2,1,1 dan ARIMA 2,1,2.
Dari kemungkinan yang telah diestimasi maka model yang telah memenuhi kriteria adalah model ARIMA 1,1,2 yang mencakup nilai AR 1 dan
MA 2. Hasil diagnostik model ARIMA 1,1,2 dapat dilihat pada grafik ACF dan grafik PACF.
Universitas Sumatera Utara
1533367 0,100
0,100 0,100
-44,910 1
1523382 -0,050
-0,040 0,104
-52,375 2
1513352 -0,200
-0,180 0,110
-59,671 3
1500484 -0,350
-0,320 0,122
-66,698 4
1481706 -0,500
-0,462 0,137
-73,584 5
1453228 -0,650
-0,607 0,157
-80,335 6
1425255 -0,713
-0,657 0,261
-78,915 7
1384900 -0,590
-0,589 0,304
-74,907
Gambar 4.15. Grafik ACF Data Penutupan Saham LSIP
Gambar 4.16. Grafik PACF Data Penutupan Saham LSIP
Pada kedua grafik tersebut, keduanya mempunyai kesamaan, yakni tidak ada satupun bar warna biru yang melampaui garis batas merah, atau dapat
dikatakan bahwa residu dari model di atas bersifat random, sehingga model ARIMA 1,1,2 dapat digunakan untuk memprediksi harga saham perkebunan di
bursa efek indonesia BEI. Dengan estimasinya:
Estimates at each iteration Iteration SSE Parameters
Universitas Sumatera Utara
8 1382723
-0,551 -0,563
0,321 -73,528
9 1382670
-0,550 -0,568
0,318 -74,025
10 1382633
-0,548 -0,565
0,321 -73,907
11 1382632
-0,547 -0,566
0,320 -73,972
12 1382627
-0,547 -0,566
0,321 -73,950
13 1382627
-0,547 -0,566
0,321 -73,953
Relative change in each estimate less than 0,0010 Final Estimates of Parameters
Type Coef
SE Coef T
P AR
1 -0,5468
0,4093 -1,34
0,197 MA
1 -0,5655
0,4737 -1,19
0,247 MA
2 0,3211
0,2863 1,12
0,276 Constant -73,95 67,54 -1,10 0,287
Differencing: 1 regular difference Number of observations: Original series 24, after differencing 23
Residuals: SS =
1257207 backforecasts excluded MS =
66169 DF = 19 Modified Box-Pierce Ljung-Box Chi-Square statistic
Lag 12
24 36
48 Chi-Square
3,3 DF
8 P-Value
0,917
Dengan model ARIMA 1,1,2 tersebut dapat dirumuskan persamaan peramalan harga saham perkebunan di bursa efek indonesia BEI sebagai berikut:
Y
t
=
µ
+
φ
1
Y
t −1
+
θ
1
Y
t −1
+
θ
Y
t − 2
+ e
t
Dengan demikian, prediksi data ke 25 sampai 60 36 periode atau 3 tahun ke depan menjadi: Y
t
= -73,95 - 0,5468 - 0,5655 + 0,3211 + e
t
Hasil ramalan dapat dilihat pada lampiran 1 Dari hasil ramalan LSIP yang diperoleh dengan program Minitab 16 ARIMA
menunjukkan bahwasanya dengan data jangka pendek tersebut terdapat trend yang menurun. Oleh karena itu, langkah yang sebaiknya diambil untuk para investor ke
perusahaan LSIP adalah menjual.
Universitas Sumatera Utara
4.2.5. Peramalan Harga Saham PT Sampoerna Agro Tbk SGRO
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
Gambar 4.17. Plot Data SGRO
Grafik pada gambar 4.17. memperlihatkan bahwa data harga saham penutupan SGRO menurun. Dimana pada bulan September 2011 sebesar 3350,
pada Juli 2012 naik 3125 dan turun lagi hingga 1570 di bulan Juli 2013.
Gambar 4.18. Fungsi Autokorelasi Data Penutupan Saham PT. SGRO Pada Bursa Efek Indonesia Dari September 2011 Samapai Agustus 2013
Hasil identifikasi menunjukkan bahwa data penutupan saham SGRO belum stasioner, sehingga memerlukan proses differencing. Oleh karena itu angka
d differencing atau integrasi ditulis dengan angka 1. Dengan demikian, angka d
Universitas Sumatera Utara
pada model ARIMA p,d,q menjadi 1, sehingga pada data digunakan model ARIMA p,1,q. Kemungkinan model yang digunakan dalam analisis ini antara
lain : ARIMA 0,1,1, ARIMA 1,1,0, ARIMA 1,1,1, ARIMA 2,1,0, ARIMA 0,1,2, ARIMA 1,1,2, ARIMA 2,1,1 dan ARIMA 2,1,2.
Dari kemungkinan yang telah diestimasi maka model yang telah memenuhi kriteria adalah model ARIMA 1,1,2 yang mencakup nilai AR 1 dan
MA 2. Hasil diagnostik model ARIMA 1,1,2 dapat dilihat pada grafik ACF dan grafik PACF.
Gambar 4.19. Grafik ACF Data Penutupan Saham SGRO
Gambar 4.20. Grafik PACF Data Penutupan Saham SGRO
Pada kedua grafik tersebut, keduanya mempunyai kesamaan, yakni tidak ada satupun bar warna biru yang melampaui garis batas merah, atau dapat
Universitas Sumatera Utara
dikatakan bahwa residu dari model di atas bersifat random, sehingga model ARIMA 1,1,2 dapat digunakan untuk memprediksi harga saham perkebunan di
bursa efek indonesia BEI. Dengan estimasinya:
Estimates at each iteration Iteration SSE Parameters
1118418 0,100
0,100 0,100
-68,780 1
1106613 0,241
0,250 0,106
-57,800 2
1092460 0,381
0,400 0,110
-46,912 3
1074096 0,515
0,550 0,111
-36,394 4
1045531 0,638
0,700 0,113
-26,700 5
1012945 0,728
0,850 0,121
-19,321 6
948742 0,578
0,777 0,197
-31,252 7
918101 0,477
0,772 0,256
-37,458 8
891917 0,521
0,785 0,264
-35,869 9
857411 0,520
0,799 0,277
-35,929 10
853354 0,521
0,802 0,279
-35,891 11
841720 0,532
0,821 0,292
-35,510 12
817735 0,534
0,831 0,300
-35,446 13
813477 0,535
0,834 0,302
-35,409 14
810265 0,536
0,836 0,303
-35,384 15
807598 0,536
0,839 0,305
-35,363 16
805317 0,537
0,841 0,306
-35,346 17
803319 0,537
0,842 0,307
-35,332 18
801540 0,538
0,844 0,308
-35,319 19
799934 0,538
0,845 0,308
-35,308 20
798471 0,538
0,847 0,309
-35,298 21
797123 0,539
0,848 0,310
-35,289 22
795885 0,539
0,849 0,310
-35,280 23
794725 0,539
0,850 0,311
-35,273 24
793639 0,540
0,851 0,312
-35,266 25
792618 0,540
0,852 0,312
-35,259 Convergence criterion not met after 25 iterations
Final Estimates of Parameters Type
Coef SE Coef
T P
AR 1
0,5398 0,3871
1,39 0,179
MA 1
0,8518 0,4661
1,83 0,083
MA 2
0,3120 0,2937
1,06 0,301
Constant -35,259 5,138 -6,86 0,000 Differencing: 1 regular difference
Number of observations: Original series 24, after differencing 23 Residuals:
SS = 778851 backforecasts excluded
MS = 40992 DF = 19
Modified Box-Pierce Ljung-Box Chi-Square statistic Lag
12 24
36 48
Chi-Square 9,0
DF 8
P-Value 0,342
Universitas Sumatera Utara
Dengan model arima 1,1,2 tersebut dapat dirumuskan persamaan peramalan harga saham perkebunan di bursa efek indonesia BEI sebagai berikut:
Y
t
=
µ
+
φ
1
Y
t −1
+
θ
1
Y
t −1
+
θ
Y
t − 2
+ e
t
Dengan demikian, prediksi data ke 25 sampai 60 36 periode atau 3 tahun ke depan menjadi: Y
t
= -35,259 + 0,5398 + 0,8518 + 0,3120 + e
t
Hasil ramalan dapat dilihat pada lampiran 1 Dari hasil ramalan SGRO yang diperoleh dengan program Minitab 16 ARIMA
menunjukkan bahwasanya dengan data jangka pendek tersebut terdapat trend yang menurun. Oleh karena itu, langkah yang sebaiknya diambil untuk para investor ke
perusahaan SGRO adalah menjual.
4.2.6. Peramalan Harga Saham PT Salim Ivomas Pratama Tbk
SIMP
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
4.21. Plot Data SIMP
Grafik pada gambar 4.21 memperlihatkan bahwa data harga saham penutupan SIMP menurun. Dimana pada bulan September 2011 sebesar 1240,
pada Februari 2012 naik yaitu 1400 dan turun 610 di bulan Agustus 2013.
Universitas Sumatera Utara
Gambar 4.22. Fungsi Autokorelasi Data Penutupan Saham PT. SIMP Pada Bursa Efek Indonesia Dari September 2011 Samapai Agustus 2013
Hasil identifikasi menunjukkan bahwa data penutupan saham SIMP belum stasioner, sehingga memerlukan proses differencing. Oleh karena itu angka d
differencing atau integrasi ditulis dengan angka terkecil yakni 1. Dengan demikian, angka d pada model ARIMA p,d,q menjadi 1, sehingga pada data
digunakan model ARIMA p,1,q. Kemungkinan model yang digunakan dalam analisis ini antara lain : ARIMA 0,1,1, ARIMA 1,1,0, ARIMA 2,1,0,
ARIMA 0,1,2, ARIMA 1,1,2, ARIMA 2,1,1 dan ARIMA 2,1,2. Dari kemungkinan yang telah diestimasi maka model yang telah
memenuhi kriteria adalah model ARIMA 2,1,2 yang mencakup nilai AR 2 dan MA 2. Hasil diagnostik model ARIMA 2,1,2 dapat dilihat pada grafik ACF
dan grafik PACF.
Universitas Sumatera Utara
Gambar 4.23. Grafik ACF Data Penutupan Saham SIMP
Gambar 4.24. Grafik PACF Data Penutupan Saham SIMP
Pada kedua grafik tersebut, keduanya mempunyai kesamaan, yakni tidak ada satupun bar warna biru yang melampaui garis batas merah, atau dapat
dikatakan bahwa residu dari model di atas bersifat random, sehingga model ARIMA 2,1,2 dapat digunakan untuk memprediksi harga saham perkebunan di
bursa efek indonesia BEI. Dengan estimasinya:
Estimates at each
iteration Iteration
SSE Parameters
246444 0,100
0,100 0,100
0,100 -21,833
1 237920
0,065 0,005
0,135 0,196
-22,398 2
235914 -0,082
0,040 -0,015
0,249 -25,230
3 233414
-0,228 0,085
-0,165 0,313
-27,723 4
230680 -0,371
0,110 -0,315
0,361 -30,581
5 228440
-0,513 0,035
-0,465 0,314
-35,897 6
227009 -0,609
-0,115 -0,565
0,187 -41,637
7 226277
-0,723 -0,216
-0,685 0,127
-45,599 8
226067 -0,771
-0,327 -0,729
0,008 -49,301
Universitas Sumatera Utara
9 225919
-0,795 -0,310
-0,762 0,041
-49,289 10
225685 -0,834
-0,370 -0,796
-0,037 -51,797
11 225238
-0,928 -0,417
-0,901 -0,091
-55,398 12
223943 -1,044
-0,533 -1,021
-0,241 -61,524
13 221913
-1,173 -0,628
-1,171 -0,370
-67,593 14
219855 -1,302
-0,730 -1,321
-0,517 -73,763
15 218700
-1,344 -0,762
-1,367 -0,538
-74,625 16
217701 -1,408
-0,812 -1,441
-0,613 -77,073
17 217646
-1,417 -0,811
-1,450 -0,584
-76,036 18
216357 -1,509
-0,880 -1,564
-0,734 -80,781
19 213533
-1,519 -0,880
-1,580 -0,702
-80,171 20
212260 -1,542
-0,907 -1,598
-0,747 -81,531
21 212021
-1,562 -0,919
-1,631 -0,748
-81,606 22
210434 -1,591
-0,952 -1,658
-0,797 -84,985
23 209441
-1,594 -0,965
-1,646 -0,784
-86,562 24
209373 -1,603
-0,978 -1,657
-0,792 -85,726
25 208898
-1,602 -0,985
-1,649 -0,788
-86,313 Convergence criterion not met after 25 iterations
WARNING Back forecasts not dying out rapidly Back forecasts after differencing
Lag -97
- -92 -52,186
-15,495 -9,440
-56,542 13,938
-52,900 Lag
-91 - -86
-15,723 -8,345
-58,093 15,349
-53,621 -15,983
Lag -85
- -80 -7,191
-59,707 16,803
-54,348 -16,277
-5,974 Lag
-79 - -74
-61,388 18,301
-55,080 -16,607
-4,693 -63,136
Lag -73
- -68 19,845
-55,816 -16,977
-3,344 -64,955
21,435 Lag
-67 - -62
-56,556 -17,388
-1,925 -66,847
23,072 -57,298
Lag -61
- -56 -17,842
-0,432 -68,815
24,757 -58,041
-18,344 Lag
-55 - -50
1,138 -70,860
26,490 -58,785
-18,894 2,789
Lag -49
- -44 -72,986
28,273 -59,527
-19,497 4,523
-75,195 Lag
-43 - -38
30,107 -60,267
-20,155 6,345
-77,491 31,991
Lag -37
- -32 -61,002
-20,872 8,258
-79,875 33,928
-61,732 Lag
-31 - -26
-21,651 10,266
-82,351 35,918
-62,455 -22,495
Lag -25
- -20 12,373
-84,922 37,961
-63,168 -23,408
14,583 Lag
-19 - -14
-87,591 40,058
-63,871 -24,395
16,902 -90,361
Lag -13
- -8 42,211
-64,560 -25,459
19,332 -93,235
44,418 Lag
-7 - -2
-65,234 -26,604
21,879 -96,216
46,682 -65,890
Lag -1
- 0 -27,835
24,548 Back forecast residuals
Lag -97
- -92 0,043
-0,494 1,424
-2,578 3,481
-3,657 Lag
-91 - -86
2,841 -1,135
-1,005 2,909
-3,939 3,733
Lag -85
- -80 -2,354
0,283 1,749
-3,027 3,117
-2,027 Lag
-79 - -74
0,209 1,618
-2,739 2,717
-1,564 -0,261
Lag -73
- -68 2,032
-3,036 2,853
-1,523 -0,459
2,329 Lag
-67 - -62
-3,354 3,113
-1,668 -0,445
2,425 -3,506
Lag -61
- -56 3,256
-1,751 -0,444
2,492 -3,598
3,322 Lag
-55 - -50
-1,753 -0,516
2,615 -3,724
3,399 -1,745
Lag -49
- -44 -0,614
2,772 -3,885
3,505 -1,756
-0,704 Lag
-43 - -38
2,931 -4,054
3,621 -1,775
-0,788 3,085
Lag -37
- -32 -4,219
3,733 -1,789
-0,878 3,245
-4,387 Lag
-31 - -26
3,843 -1,797
-0,977 3,414
-4,562 3,955
Lag -25
- -20 -1,802
-1,084 3,593
-4,745 4,071
-1,805 Lag
-19 - -14
-1,196 3,779
-4,933 4,189
-1,807 -1,314
Lag -13
- -8 3,972
-5,128 4,310
-1,804 -1,440
4,174 Lag
-7 - -2
-5,329 4,432
-1,799 -1,573
4,385 -5,537
Lag -1
- 0 4,556
-1,790 Final Estimates of Parameters
Universitas Sumatera Utara
Type Coef
SE Coef T
P AR
1 -1,6024
0,2091 -7,66
0,000 AR
2 -0,9849
0,1985 -4,96
0,000 MA
1 -1,6494
0,2113 -7,81
0,000 MA
2 -0,7880
0,2458 -3,21
0,005 Constant -86,31 77,40 -1,12 0,279
Differencing: 1 regular difference Number of observations: Original series 24, after differencing 23
Residuals: SS =
208053 backforecasts excluded MS =
11558 DF = 18 Modified Box-Pierce Ljung-Box Chi-Square statistic
Lag 12
24 36
48 Chi-Square
7,1 DF
7 P-Value
0,416
Dengan model ARIMA 2,1,2 tersebut dapat dirumuskan persamaan peramalan harga saham perkebunan di bursa efek indonesia BEI sebagai berikut:
Y
t
=
µ
+
φ
1
Y
t −1
+
φ
Y
t − 2
+
θ
1
Y
t −1
+
θ
Y
t −2
+ e
t
Dengan demikian, prediksi data ke 25 sampai 60 36 periode atau 3 tahun ke depan menjadi: Y
t
= -86,31 - 1,6024 - 0,9849 - 1,6494 - 0,7880 + e
t
Hasil ramalan dapat dilihat pada lampiran 1 Dari hasil ramalan SIMP yang diperoleh dengan program Minitab 16 ARIMA
menunjukkan bahwasanya dengan data jangka pendek tersebut terdapat trend yang menurun.. Oleh karena itu, langkah yang sebaiknya diambil untuk para investor ke
perusahaan SIMP adalah menjual.
4.2.7. Peramalan Harga Saham PT Sinar Mas Agro Resources and Technology Smart Tbk SMAR
Dengan menggunakan alat bantu software komputer minitab 16, diperoleh plot data yang dapat dilihat pada gambar sebagai berikut:
Universitas Sumatera Utara
4.25. Plot Data SMAR