Logo UNTAN Universitas
Tanjungpura
Pontianak

Optimasi Parameter Model Arima pada Harga Penutupan Saham Menggunakan Algoritma Particle Swarm Optimization

Gandes, Ghina Maghfira Sani (2026) Optimasi Parameter Model Arima pada Harga Penutupan Saham Menggunakan Algoritma Particle Swarm Optimization. Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_H1091221051.pdf - Published Version

Download (745kB)
[img] PDF (H1091221051_GANDES_GHINA_MAGHFIRA_SANI)
H1091221051_GANDES_GHINA_MAGHFIRA_SANI.pdf - Accepted Version
Restricted to Repository staff only

Download (1MB)

Abstract

Pergerakan harga saham yang bersifat fluktuatif menyebabkan ketidakpastian dalam menentukan waktu yang tepat untuk membeli atau menjual saham. Oleh karena itu, diperlukan metode yang mampu menggambarkan pola pergerakan harga saham sebagai dasar pengambilan keputusan investasi. Salah satu metode yang umum digunakan adalah Autoregressive Integrated Moving Average (ARIMA), namun kualitas model dipengaruhi oleh estimasi parameter model. Estimasi parameter yang kurang optimal dapat meningkatkan kesalahan model sehingga diperlukan metode optimasi untuk memperoleh parameter yang lebih baik. Penelitian ini bertujuan mengimplementasikan algoritma Particle Swarm Optimization (PSO) dalam mengoptimasi estimasi parameter model ARIMA pada data harga penutupan saham PT Repower Asia Indonesia Tbk (REAL.JK), serta membandingkan nilai Mean Absolute Percentage Error (MAPE) sebelum dan sesudah proses optimasi. Data yang digunakan berupa harga penutupan saham harian periode 1 September 2024 hingga 1 September 2025. Tahapan penelitian meliputi preprocessing data, uji stasioneritas, identifikasi orde ARIMA, estimasi parameter, uji diagnostik residual, dan optimasi parameter menggunakan PSO. Posisi awal partikel dibangkitkan melalui distribusi normal berdasarkan estimasi parameter ARIMA awal, sedangkan fungsi objektif yang digunakan adalah minimisasi MAPE pada data training. Optimasi parameter dilakukan menggunakan algoritma PSO dengan memperbarui posisi partikel secara iteratif berdasarkan nilai personal best dan global best dengan fungsi objektif minimisasi MAPE pada data training. Hasil penelitian menunjukkan bahwa model ARIMA(0,1,1) menghasilkan estimasi parameter MA(1) sebesar 0,3646 dengan nilai MAPE training sebesar 5,72%. Setelah optimasi PSO, diperoleh estimasi parameter MA(1) optimal dengan nilai MAPE training sebesar 4,9047%. Hasil tersebut menunjukkan bahwa algoritma PSO mampu meningkatkan estimasi parameter model ARIMA.

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Gandes, Ghina Maghfira SaniNIMH1091221051UNSPECIFIED
Subjects: 500 – Ilmu Pengetahuan > 510 Matematika > 511 Prinsip-prinsip umum matematika
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistik S1
SWORD Depositor: Rudiarti Rudiarti
Depositing User: Rudiarti Rudiarti
Date Deposited: 06 Nov 2026 02:33
Last Modified: 06 Nov 2026 02:33
URI: https://repository.untan.ac.id/id/eprint/10384

Actions (login required)

View Item View Item