Perbandingan Algoritma SARIMA dan Linear Regression dalam Memprediksi Indeks Harga Saham Gabungan

Prediksi harga saham adalah suatu hal yang menjadi daya tarik investor terhadap pasar saham. Pada perdagangan saham, pengamatan mobilitas Indeks Harga Saham Gabungan (IHSG) sangat dibutuhkan. Berubahnya nilai IHSG yang akan datang merupakan dasar dibutuhkannya metode prediksi yang dapat menentukan acuan untuk melakukan pengambilan keputusan oleh para investor. Dalam memproses data time series dapat dilakukan dengan berbagai macam metode analisis yang bertujuan untuk memprediksi kejadian yang akan datang. Penelitian ini dilakukan untuk membandingkan algoritma Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Linear Regression dengan dataset publik untuk mendapatkan performa terbaik dari kedua algoritma tersebut. Dataset yang diuji bersumber dari Jakarta Composite Index (JKSE) dengan dataset time series dari tanggal 1 Januari 2019 hingga 23 Desember 2021. Hasil penelitian ini menyimpulkan bahwa indeks harga saham gabungan dengan performa terbaik adalah menggunakan Linear Regression