ABSTRAK

Indeks harga saham gabungan (IHSG) merupakan salah satu indikator yang mempengaruhi pergerakan harga saham. Perkembangan IHSG cenderung mengalami kenaikan meskipun pada setiap periode waktunya mengalami fluktuasi. Fluktuasi IHSG akan memengaruhi kondisi pasar modal di Indonesia karena fluktuasi yang terjadi pada IHSG digunakan sebagai acuan oleh para investor untuk menjual, menahan atau membeli sahamnya. Oleh karena itu, seorang investor harus memahami pola fluktuasi IHSG dalam suatu negara sebelum melakukan investasi.

Peramalan IHSG perlu dilakukan sehingga para investor dapat mengambil keputusan investasi yang tepat dan mempunyai pandangan tentang keadaan IHSG di masa mendatang. Peramalan IHSG dapat dilakukan menggunakan metode fuzzy time series (FTS). Metode FTS dapat digunakan untuk peramalan data time series berpola nonlinear. Dalam metode FTS data tidak harus memenuhi asumsi stasioneritas.

Perhitungan metode FTS menggunakan teori himpunan fuzzy dan konsep variable linguistik. Metode FTS terbobot merupakan perluasan dari metode FTS dengan mempertimbangkan adanya pembobotan. Pada penelitian ini diterapkan data IHSG menggunakan metode FTS terbobot orde satu, dua, tiga, dan empat.

Model adaptive expectation digunakan untuk menghitung nilai akhir peramalan. Model dengan nilai root mean square error (RMSE) terkecil dan memenuhi asumsi digunakan untuk meramalkan IHSG satu periode ke depan. Berdasarkan hasil penelitian, diperoleh pada data pelatihan menggunakan metode FTS terbobot orde tiga dan empat memenuhi pengujian asumsi model dengan parameter pembobot masing-masing adalah 0.95 dan 0.93 sedangkan pada data pengujian metode FTS terbobot orde tiga menghasilkan nilai RMSE yang lebih kecil dibandingkan orde empat sehingga metode FTS terbobot orde tiga dapat digunakan untuk meramalkan IHSG bulan November 2017. Hasil peramalan IHSG bulan November 2017 adalah 5935.37 dengan nilai RMSE adalah 17.86.

Kata kunci: IHSG, metode FTS terbobot, model adaptive expectation

<!--[if gte mso 9]><xml> </xml><![endif]--><!--[if gte mso 9]><xml> Normal 0 false false false EN-ID X-NONE X-NONE </xml><![endif]--><!--[if gte mso 9]><xml> </xml><![endif]--><!--[if gte mso 10]> <style> /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} </style>

ABSTRAK

Indeks harga saham gabungan (IHSG) merupakan salah satu indikator yang mempengaruhi pergerakan harga saham. Perkembangan IHSG cenderung mengalami kenaikan meskipun pada setiap periode waktunya mengalami fluktuasi. Fluktuasi IHSG akan memengaruhi kondisi pasar modal di Indonesia karena fluktuasi yang terjadi pada IHSG digunakan sebagai acuan oleh para investor untuk menjual, menahan atau membeli sahamnya. Oleh karena itu, seorang investor harus memahami pola fluktuasi IHSG dalam suatu negara sebelum melakukan investasi.

Peramalan IHSG perlu dilakukan sehingga para investor dapat mengambil keputusan investasi yang tepat dan mempunyai pandangan tentang keadaan IHSG di masa mendatang. Peramalan IHSG dapat dilakukan menggunakan metode fuzzy time series (FTS). Metode FTS dapat digunakan untuk peramalan data time series berpola nonlinear. Dalam metode FTS data tidak harus memenuhi asumsi stasioneritas.

Perhitungan metode FTS menggunakan teori himpunan fuzzy dan konsep variable linguistik. Metode FTS terbobot merupakan perluasan dari metode FTS dengan mempertimbangkan adanya pembobotan. Pada penelitian ini diterapkan data IHSG menggunakan metode FTS terbobot orde satu, dua, tiga, dan empat.

Model adaptive expectation digunakan untuk menghitung nilai akhir peramalan. Model dengan nilai root mean square error (RMSE) terkecil dan memenuhi asumsi digunakan untuk meramalkan IHSG satu periode ke depan. Berdasarkan hasil penelitian, diperoleh pada data pelatihan menggunakan metode FTS terbobot orde tiga dan empat memenuhi pengujian asumsi model dengan parameter pembobot masing-masing adalah 0.95 dan 0.93 sedangkan pada data pengujian metode FTS terbobot orde tiga menghasilkan nilai RMSE yang lebih kecil dibandingkan orde empat sehingga metode FTS terbobot orde tiga dapat digunakan untuk meramalkan IHSG bulan November 2017. Hasil peramalan IHSG bulan November 2017 adalah 5935.37 dengan nilai RMSE adalah 17.86.

Kata kunci: IHSG, metode FTS terbobot, model adaptive expectation

<!--[if gte mso 9]><xml> </xml><![endif]--><!--[if gte mso 9]><xml> Normal 0 false false false EN-ID X-NONE X-NONE </xml><![endif]--><!--[if gte mso 9]><xml>