Data Plot Data SIMP

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