Prediksi Indeks Saham Syariah Indonesia Menggunakan Model Hidden Markov

Indeks Saham Syariah Indonesia (ISSI) merupakan indikator pergerakan harga dari keseluruhan saham syariah yang tercatat di BEI. Model Hidden Markov merupakan perkembangan dari Rantai Markov dengan keadaan pada masa yang akan datang dari suatu urutan tidak hanya ditentukan oleh keadaan saat ini, tetapi juga perpindahan dari suatu urutan state ke urutan state yang lainnya. Urutan state inilah yang merupakan suatu bagian yang tersembunyi dari suatu model Hidden Markov. Dalam Tugas Akhir ini ISSI diprediksi menggunakan model Hidden Markov dengan data yang dipakai adalah periode bulan Januari 2016 sampai Maret 2017. Data selisih indeks saham dibagi menjadi beberapa state yaitu 3, 4, 5, 6, 7, dan 8 state. Berdasarkan hasil analisis pada pembagian 4 dan 5 state nilai prediksi memiliki kecocokan 100%, sedangkan pada pembagian 3 dan 6 state nilai prediksi memiliki kecocokan sebesar 80%. Prediksi ISSI hanya dapat dilakukan sampai 6 state karena pada 7 dan 8 state tidak memenuhi karakteristik model Hidden Markov. =================================================================================== Indonesia Sharia Stock Index (ISSI) is an indicator of all sharia stock price movement which listed on the BEI. Hidden Markov Model is an expansion of the Markov Chain with the future state of a sequence is not only determined by the current state, but also the transition from a sequence state to another. This sequence state is a hidden part of a Hidden Markov Model. In this Final Project, ISSI is predicted using Hidden Markov Model with the data which is used is from January 2016 to March 2017. Data of stock index difference is divided into several states which are 3, 4, 5, 6, 7, and 8 states. Based on the analysis results, in the division of 4 and 5 states predictive value has a match of 100%, while in the division of 3 and 6 states predictive value has a match of 80%. Prediction of ISSI using Hidden Markov Model can only be done to 6 states, because in 7 and 8 states do not meet the characteristics of Hidden Markov Model