85 merepresentasikan unsur-unsur penyusun yang dikandung oleh data tersebut.
Oleh karena tidak semua metode cocok untuk menganalisis data tersebut, maka penekanan pada metode-metode yang cocok untuk merepresentasikan data
dilakukan. Tetapi untuk memperoleh efektifitas sekaligus pembuktian model peramalan yang tepat, metode peramalan lainnya turut disertakan dalam
penerapannya.
6.2.2. Metode Peramalan Harga Saham Emiten UNSP
Dalam langkah memperoleh metode peramalan yang baik maka digunakan beberapa metode peramalan. Adapun ringkasan seluruh metode yang dicoba pada
proses peramalan harga saham emiten UNSP dapat dilihat pada Tabel 6. Tabel 6. Ringkasan Perbandingan Akurasi Nilai MSE Hasil Penerapan Metode
Peramalan Pergerakan Harga Saham Penutupan Harian Emiten UNSP
Metode LT
α β
∂ MSE
Single Moving Average SMA 2
736,21 Single Moving Average SMA
5 1393,28
Single Moving Average SMA 10
2269,76 Single Moving Average SMA
20 2893,09
Single Moving Average SMA 60
6499,86 Single Exponential Smoothing SES
0.9 543,303
Double Exponential Smoothing DES 0.9
0.65 518,197
Winters Multiplikatif 2
0.9 0.05
0.05 547,645
Winters Multiplikatif 5
0.9 0.05
0.9 653,531
Winters Multiplikatif 10
0.5 0.05
0.9 1747
Winters Multiplikatif 20
0.75 0.05
0.9 1626
Winters Multiplikatif 60
0.75 0.05
0.9 2396
Dekomposisi Multiplikatif 2
5020,72 Dekomposisi Multiplikatif
5 5016,12
Dekomposisi Multiplikatif 10
4996,24 Dekomposisi Multiplikatif
20 4892,97
Dekomposisi Multiplikatif 60
6061,94 Dekomposisi Aditif
2 5020,71
Dekomposisi Aditif 5
5017,19 Dekomposisi Aditif
10 4995,74
Dekomposisi Aditif 20
4869,53 Dekomposisi Aditif
60 5706,27
ARIMA 1,1,1 472
ARIMA 0,1,1 508,5
ARIMA 1,1,0 519,7
ARIMA 2,1,1 527,8
ARIMA 0,1,2 478,1
ARIMA 2,1,0 504,7
ARIMA 2,1,2 472,6
ARIMA 1,1,2 473,2
86 Dalam Metode ARIMA ini, kegiatan coba-coba dengan menggunakan
komponen seasonal SARIMA semakin memperbesar nilai MSE yang diperoleh. Selain itu, penentuan L untuk musiman sulit dilakukan karena efek daripada
fluktuasi data yang sangat fluktuatif. Berdasarkan penerapan beberapa model peramalan seperti yang disajikan
pada Tabel 6, maka metode peramalan yang sesuai untuk menjelaskan pola data harga penutupan harian saham UNSP adalah metode ARIMA. Pemilihan ini
didasarkan atas nilai MSE yang dihasilkan dengan penggunaan metode ini lebih kecil dibandingkan dengan metode peramalan yang lainnya yakni sebesar 472.
Hal ini mengindikasikan bahwa metode ARIMA 1,1,1 lebih sesuai untuk menjelaskan pola data untuk emiten UNSP.
6.2.3. Peramalan Harga Saham Emiten UNSP
