Prediksi Indeks Harga Saham di Bursa Efek Indonesia Menggunakan Metode Campuran Autoregressive Integrated Moving Average dan Genetic Programming

ABSTRAKSI: Indeks saham merupakan suatu indikator untuk mengetahui perubahan- perubahan harga saham setiap saat terhadap harga tahun dasarnya. Indeks harga saham cenderung tidak stabil, selalu berubah-ubah sehingga diperlukan prediksi agar seorang investor dapat berinvestasi dengan tepat. Banyak metode yang dapat diterapkan untuk memprediksi indeks saham, salah satunya adalah metode yang digunakan pada tugas akhir ini yaitu ARIMA dan Genetic Programming. Pada metode ARIMA, data indeks harga saham dilakukan differencing agar data stasioner, kemudian dari hasil differencing dapat diperoleh orde p dan q nya dengan cara memplot ACF dan PACF. Orde p dan q tersebut merupakan rentang model-model yang mungkin digunakan. Model terbaik yang didapatkan di ARIMA digunakan untuk memprediksi indeks harga saham sehingga residunya dapat diperoleh. Pada Genetic Programming, dilakukan proses evolusi dimana proses tersebut digunakan untuk mencari fungsi yang dapat menaksir nilai residu yang dihasilkan oleh metode ARIMA. Pencarian fungsi tersebut menggunakan nilai residu berdasarkan hasil prediksi menggunakan ARIMA. Hasil yang diperoleh adalah metode ARIMA+GP lebih baik dari metode ARIMA saja. Hal ini ditunjukkan dengan rata-rata prosentase error pada metode ARIMA sebesar 1.207618 % sedangkan pada metode campuran ARIMA+GP sebesar 1.181192667 %.Kata Kunci : Indeks Saham, ARIMA, GPABSTRACT: Stock index is an indicator to determine the stock price changes at any time of the year the price basically . Stock price indexes tend to be unstable and always change so prediction is necessary so an investor can invest appropriately . Many methods can be applied to predict stock index , one of which is the method used in this thesis, namely the ARIMA and Genetic Programming. In the ARIMA method, stock price index data do differencing so that the data stationary, then the results can be obtained by differencing p and q its order by plotting the ACF and PACF. Order p and q is a range of models that may be used. The best model obtained in ARIMA is used to predict the stock price index so that the residue can be obtained. In Genetic Programming, carried out the process of evolution in which the process is used to find a function that can estimate the residual values generated by the ARIMA method. The search function using residual values based on the results of prediction using ARIMA. The results of ARIMA + GP method is better than ARIMA method alone. This is shown by the percentage error average in ARIMA method of 1.207618 % while the mixed methods ARIMA + GP of 1.181192667 %.Keyword: Stock Indices , ARIMA , G