Implementasi Model Hybrid Autoregressive Fractionally Integrated Moving Average-Neural Network (ARFIMA-NN) pada Peramalan Indeks Harga Saham Gabungan

  • Khairunnisa Avrilia Universitas Mulawarman
  • Desi Yuniarti Universitas Mulawarman
  • Wiwit Pura Nurmayanti Universitas Mulawarman
  • M. Fathurahman Universitas Mulawarman
  • Sri Wahyuningsih Universitas Mulawarman
Keywords: Hybrid ARFIMA-NN, IHSG, Peramalan

Abstract

Fenomena fluktuasi ekstrem pada harga penutupan Indeks Harga Saham Gabungan (IHSG) di Bursa Efek Indonesia (BEI) menciptakan ketidakpastian yang sulit diprediksi, sehingga peramalan pada data harga penutupan IHSG dapat membantu investor untuk mengantisipasi risiko investasi dan mempermudah investor untuk menentukan strategi investasi pada periode mendatang. Model hybrid Autoregressive Fractionally Integrated Moving Average-Neural Network (ARFIMA-NN) diimplementasikan karena model ini mampu menangani karakteristik long memory dan memiliki kemampuan menangkap pola non-linier, yang diharapkan dapat meningkatkan akurasi pada peramalan. Berdasarkan hasil analisis, diperoleh hasil peramalan menggunakan model hybrid ARFIMA-NN dengan 1 hingga 3 neuron yang menunjukkan bahwa nilai MAPE berada di bawah 10% atau peramalan sangat baik. Selanjutnya berdasarkan model hybrid ARFIMA(1;0,51;4)-NN 2 menggunakan data IHSG periode Januari 2005 hingga dengan Desember 2024 diperoleh IHSG periode Januari hingga Desember 2025 yang meningkat setiap bulannya.

References

Akbar, M., & Kharisudin, I. (2020). Model Arfima Untuk Analisis Data Kecepatan Angin Di Bandara Internasional Ahmad Yani. UNNES Journal of Mathematics, 8(2), 89–101. http://journal.unnes.ac.id/sju/index.php/ujm
Ardesfira, G., Zedha, H. F., Fazana, I., Rahmadhiyanti, J., Rahima, S., & Anwar, S. (2022). Peramalan Nilai Tukar Rupiah Terhadap Dollar Amerika Dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA). Jambura Journal of Probability and Statistics, 3(2), 71–84. https://doi.org/10.34312/jjps.v3i2.15469
Budi, A. (2021). Determinasi Inflasi Terhadap Indeks Harga Saham Gabungan (Ihsg) di Bursa Efek Indonesia (BEI) TAHUN PERIODE 2017-2021.
Hanifa, D. R., Mustafid, & Hakim, R. A. (2021). Pemodelan Autoregressive Fractionally Integrated Moving Average Dengan Efek Exponential Garch (ARFIMA-EGARCH) Untuk Prediksi Harga Beras di Kota Semarang. Jurnal Gaussian, 10(2), 279–292. https://ejournal3.undip.ac.id/index.php/gaussian/
Fitri, T. W., Darmawan, G., Winarni, S., Hidayat, Y., & Pontoh, R. S. (2023). Peramalan Tunggakan Tagihan Pelanggan Menggunakan Model Autoregressive Fractionally Integrated Moving Average (ARFIMA). MARAS: Jurnal Penelitian Multidisiplin, 1(3), 614–625. https://doi.org/10.60126/maras.v1i3.108
Hasanah, S. H., & Permatasari, S. M. (2020). Metode Klasifikasi Jaringan Syaraf Tiruan Backpropagation Pada Mahasiswa Statistika Universitas Terbuka. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 14(2), 249–258. https://doi.org/10.30598/barekengvol14iss2pp249-258
Krismawanti, I. A., Martha, S., & Debataraja, N. N. (2019). Pemodelan Autoregressive Fractionally Integrated Moving Average (ARFIMA) Dalam Memprediksi Harga Crude Palm Oil (CPO). Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster), 8(4), 721–728.
Melani, V. D., Miftahuddin, & Subianto, M. (2022). Seleksi Model ARFIMA-GPH dan Intervensi Multi Input Pada Indeks Harga Perdagangan Besar Indonesia. Jurnal Gaussian, 11(2), 163–172. https://ejournal3.undip.ac.id/index.php/gaussian/
Nurmayanti, W. P., Kertanah, Hasanah, S. H., Rahim, A., & Hendrayani. (2023). Peramalan Jumlah Sampah di Kabupaten Lombok Timur dengan Metode ARIMA dan Dekomposisi. Jambura Journal of Probability and Statistics, 4(2), 72–84. https://doi.org/10.37905/jjps.v4i2.19954
Oktaviani, N. K., & Rifai, N. A. K. (2024). Pemodelan ARFIMA dengan Estimasi Parameter Pembeda Menggunakan Metode Geweke Porter-Hudak. Jurnal Riset Statistika, 4(1), 11–20. https://doi.org/10.29313/jrs.v4i1.3835
Pradana, D. G., Alghifari, M. L., Juna, M. F., & Palaguna, S. D. (2022). Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network. Indonesian Journal of Data and Science (IJODAS), 3(2), 55–60.
Rosilawati, E. D., Tarno, T., & Wuryandari, T. (2023). Peramalan Indeks Harga Saham Gabungan (IHSG) Menggunakan Model Intervensi Fungsi Pulse. Jurnal Gaussian, 12(3), 382–391. https://doi.org/10.14710/j.gauss.12.3.382-391
Siang, J. (2005). Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Penerbit Andi.
Wairooy, & Ali, M. (2019). Pengaruh Pengumuman Merger Terhadap Abnormal Return dan Aktivitas Volume Perdagangan Saham (Studi Pada Perusahaan Perbankan di Bank Indonesia). Jurnal Ekonomi Balance Fakultas Ekonomi Dan Bisnis, 15(2).
Winanti, G. L., Ispriyanti, D., & Sugito, S. (2023). Pemodelan Indeks Harga Perdagangan Besar (IHPB) Sektor Ekspor Menggunakan ARFIMA-GARCH. Jurnal Gaussian, 12(1), 52–60. https://doi.org/10.14710/j.gauss.12.1.52-60
Published
2026-04-07
How to Cite
Avrilia, K., Yuniarti, D., Nurmayanti, W. P., Fathurahman, M., & Wahyuningsih, S. (2026). Implementasi Model Hybrid Autoregressive Fractionally Integrated Moving Average-Neural Network (ARFIMA-NN) pada Peramalan Indeks Harga Saham Gabungan. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 8(1), 31-48. https://doi.org/10.35580/variansiunm487
Section
Articles