Hasil Pencarian  ::  Simpan CSV :: Kembali

"Meningkatnya jumlah investor dari tahun ke tahun di pasar modal berbagai negara mengakibatkan proses pengambilan keputusan dalam membeli saham menjadi salah satu hal yang penting. Tahapan ini merupakan tahapan yang penting karena akan memengaruhi tingkat kekayaan atau pendapatan yang akan diterima oleh seorang investor. Dalam membantu proses pemilihan saham tersebut, seorang investor dapat menggunakan analisa teknikal atau analisa fundamental dalam prosesnya. Namun seiring dengan perkembangan teknologi dan juga kemudahan dalam mengakses data harga indeks saham, maka proses prediksi selanjutnya dapat dilakukan dengan menggunakan analisis big data dalam prosesnya. Penelitian ini akan dilakukan proses prediksi indeks harga saham dengan menggunakan ARIMA dan juga algoritma Long Short-Term Memory untuk pengolahan datanya dan metode web scraping untuk metode pengumpulan data harga indeks saham. Hasil dari penelitian menunjukkan nilai MAPE 1.243% untuk indeks JKSE, 1.005% untuk indeks KLSE, 1.923% untuk indeks PSEI, 1.523% untuk indeks SET.BK dan 3.7944% untuk indeks STI.

---

The increasing number of investors from year to year in the capital markets of various countries has made the decision-making process in buying shares become one of the essential things. This stage is crucial because it will affect the level of wealth or income that an investor will receive. In helping the stock selection process, an investor can use technical analysis or fundamental analysis. However, along with technological developments and the ease of accessing stock index price data, the next prediction process can be carried out using big data analysis. This research will carry out the stock price index prediction process using ARIMA and the Long Short-Term Memory algorithm for data processing and web scraping methods for stock index price data collection methods. The study results showed that the MAPE value was 1.243% for the JKSE index, 1.005% for the KLSE index, 1.923% for the PSEI index, 1.523% for the SET.BK index and 3.7944% for the STI index."

"Saham merupakan salah satu surat berharga yang diterbitkan dan dijual oleh perusahaan,yang telah memenuhi syarat, di Bursa Efek Indonesia. Prinsip dasar yang dimiliki olehsaham adalah High Risk High Reward, yang menggambarkan bahwa saham memangdapat memiliki hasil yang besar, namun memiliki risiko yang tinggi pula. Denganprinsip High Risk High Reward, tentunya para investor harus lebih hati-hati dalammenentukan langkah yang akan mereka lakukan. Salah satu cara yang dapat digunakanuntuk mengurangi risiko, yaitu melakukan prediksi tren harga saham menggunakanMachine Learning. Menggunakan data historis saham pada Bursa Efek Indonesia,yaitu open, high, low, dan close price, algoritma Machine Learning dapat melakukanprediksi tren harga saham yang selanjutnya akan digunakan sebagai strategi investasipara investor. Terdapat banyak metode Machine Learning yang dapat digunakan untukmelakukan prediksi, salah satu metode yang dapat digunakan adalah Recurrent NeuralNetwork yaitu Long Short Term Memory (LSTM). Pada metode LSTM, data historisharga saham akan dibawa ke depan melalui seluruh gerbang LSTM yaitu: ForgetGate, Input Gate, dan Output Gate. Selanjutnya akan dicari nilai loss dari model,setelah didapat nilai loss, model akan ditinjau kembali setiap tahapannya, dimulai daribelakang. Langkah pengulangan tesebut dilakukan agar mendapat variabel Weight danBias yang optimal. Kemudian, tingkat akurasi dari metode tersebut akan ditentukanmenggunakan: Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE).Penelitian ini menggunakan data historis perusahaan yang termasuk pada Indeks LQ45dan dapat diambil melalui website, finance.yahoo.com. Dari penelitian ini, diketahuibahwa, masing-masing masalah memiliki model terbaiknya, untuk penyelesaian masalahtersebut.

---

Stock is a part of ownership of a company, that have fulfill the requirement to be sold at

Bursa Efek Indonesia. The basic principal of stock market is High Risk High Reward,

which describe that stock market indeed have a chance to get a great profit, but it also

come with a high risk. This principal is the reason that all investor must be cautious in

deciding their move. There’s many method to do this, with one of the being, forecasting

the stock market trend with machine learning. With the historical data, that include

open, high, low, dan close price, the machine learning algorithm, could forecast the stock

market direction for the next days, which will be one of the deciding factor for investor to

choose their move. Nowadays, there’s many machine learning method that can be used to

forecast, one of them is the branch method of Recurrent Neural Network, which is, Long

Short Term Memory (LSTM). LSTM use the historical data, and bring them forward to,

Forget Gate, Input Gate, Memory State, Output Gate. Then the loss value of the model

will be calculated. After all the process the model will be re-evaluated. The re-evaluation

step is to update all the weights and biases in the model. Then the accuracy of the model

will be evaluated with Root Mean Squared Error (RMSE) and Mean Absolute Error

(MAE). This study uses the historical data of the companys that’s included in the index

LQ45, and the data is taken from the website, finance.yahoo.com. From this research, it

is known that every problem has their own preference model to solve."

"

Sejak tahun 2017 hingga Oktober 2023, telah terjadi peningkatan jumlah investor Indonesia sebesar 959%, yang menyoroti kebutuhan akan model peramalan untuk membantu mereka mendapatkan keuntungan dari pasar modal. Diversifikasi investasi, seperti pasar modal syariah dengan tolak ukur Jakarta Islamic index (JII) yang relatif lebih rendah risiko, telah menjadi alternatif yang penting. Penelitian ini bertujuan untuk menentukan model terbaik untuk meramalkan harga Jakarta Islamic Index (JII) dengan membandingkan metode tunggal dan hibrida yang menggabungkan transformasi Discrete Wavelet Transform (DWT), model ekonometrik ARIMA, dan model artificial intelligence LSTM, berdasarkan evaluasi Mean Absolute Percentage Error (MAPE) dan akurasi ketepatan arah pergerakan indeks saham. Selain itu, penelitian ini juga mengevaluasi strategi investasi terbaik di pasar modal syariah antara strategi market timing dan buy-and-hold. Metodologi yang digunakan adalah pendekatan prediktif-eksploratif untuk menggali informasi dari data JII dan mengolahnya dengan enam model. Temuan menunjukkan bahwa model tunggal ARIMA sendiri mencapai MAPE terendah sebesar 0.631%. Nilai MAPE untuk model-model lainnya adalah sebagai berikut: ARIMA-LSTM sebesar 0.643%, DWT-ARIMA sebesar 0.736%, DWT-ARIMA-LSTM sebesar 0,744%, LSTM sebesar 0.992%, dan DWT-LSTM sebesar 1.609%. Selain itu, akurasi ketepatan arah peramalan tertinggi dicapai oleh model DWT-ARIMA-LSTM dengan 50.48% sedangkan ARIMA hanya 45.47%, menunjukkan pentingnya mempertimbangkan tidak hanya nilai MAPE tetapi juga akurasi arah dalam evaluasi model peramalan. Dengan menggunakan model DWT-ARIMA-LSTM untuk meramalkan harga JII yang diterapkan pada strategi market timing, ditemukan bahwa pendekatan ini menghasilkan simple return sebesar 19.78%, secara signifikan mengungguli strategi buy-and-hold, yang menghasilkan pengembalian negatif sebesar -5.44%. Namun, ketika disesuaikan dengan biaya transaksi simple return yang didapatkan dengan strategi market timing menjadi -28.08%. Dengan demikian, meskipun melakukan peramalan dapat menghasilkan return yang menarik, penting untuk mempertimbangkan biaya transaksi sebagai faktor krusial dalam strategi investasi.

---

From 2017 to October 2023, there has been a 959% increase in the number of Indonesian investors, highlighting the need for forecasting models to help them benefit from the capital market. Investment diversification, such as the Islamic capital market with the relatively lower-risk Jakarta Islamic index (JII) benchmark, has become an important alternative. This research aims to determine the best model for forecasting the price of the Jakarta Islamic Index (JII) by comparing single and hybrid methods that combine Discrete Wavelet Transform (DWT), ARIMA econometric model, and LSTM artificial intelligence model, based on the evaluation of Mean Absolute Percentage Error (MAPE) and accuracy of stock index movement direction. In addition, this study also evaluates the best investment strategy in the Islamic capital market between market timing and buy-and-hold strategies. The methodology used is a predictive-exploratory approach to extract information from the JII data and process it with six models. The findings showed that the single ARIMA model alone achieved the lowest MAPE of 0.631%. The MAPE values for the other models are as follows: ARIMA-LSTM at 0.643%, DWT-ARIMA at 0.736%, DWT-ARIMA-LSTM at 0.744%, LSTM at 0.992%, and DWT-LSTM at 1.609%. In addition, the highest forecasting directional accuracy was achieved by the DWT-ARIMA-LSTM model with 50.48% while ARIMA was only 45.47%, indicating the importance of considering not only the MAPE value but also directional accuracy in the evaluation of forecasting models. Using the DWT-ARIMA-LSTM model to forecast JII prices applied to a market timing strategy, it is found that this approach generates a simple return of 19.78%, significantly outperforming the buy-and-hold strategy, which generates a negative return of -5.44%. However, when adjusted for transaction costs the simple return obtained with the market timing strategy becomes -28.08%. Thus, while forecasting can generate attractive returns, it is important to consider transaction costs as a crucial factor in investment strategy.

 

"

"Skripsi ini membahas hubungan kointegrasi dan kausalitas antara harga emas, harga minyak dunia, nilai tukar rupiah, dan Indeks Harga Saham Gabungan IHSG tahun 2007-2016. Penelitian ini adalah penelitian kuantitatif dengan data dari tahun 2007 hingga 2016. Data harga emas diperoleh dari World Gold Council, harga minyak dunia menggunakan West Texas Intermediate dari US Energy Information Administration, nilai tukar dari Bank Indonesia, serta IHSG dari laporan statistik Bursa Efek Indonesia.Hasil penelitian ini menunjukkan bahwa variabel harga emas, harga minyak dunia, nilai tukar rupiah, dan IHSG tidak memiliki hubungan kointegrasi dan variabel IHSG dan harga minyak dunia memiliki hubungan kausalitas terhadap nilai tukar rupiah.

---

This thesis discusses the cointegration and causality relationship between gold price, crude oil price, rupiah exchange rate, and Indonesia Stock Exchange Composite Index IHSG period 2007 2016. This research is quantitative research with data from 2007 until 2016. Gold price data obtained from World Gold Council, crude oil price using West Texas Intermediate from US Energy Information Administration, exchange rate from Bank Indonesia, and IHSG from Indonesia Stock Exchange statistics report.

The results of this study indicate that the variable gold price, crude oil prices, exchange rate of rupiah, and IHSG has no cointegration relationship and variable IHSG and crude oil price has causality relationship to rupiah exchange rate."

"Indeks Harga Saham LQ45 adalah indeks yang mengukur kinerja harga 45 saham yang memiliki likuiditas tinggi dan kapitalisasi pasar besar yang tercatat di Bursa Efek Indonesia. Prediksi Indeks Harga Saham LQ45 dapat digunakan untuk mengukur kinerja suatu portofolio saham di masa yang akan datang sehingga investor dapat melakukan evaluasi terhadap saham-saham yang dimilikinya. Prediksi Indeks Harga Saham LQ45 merupakan suatu tugas yang sulit karena data indeks harga saham ini cenderung memiliki fluktuasi yang cukup tinggi. Untuk itu, diperlukan suatu teknik yang tepat dalam memprediksi Indeks Harga Saham LQ45. Indeks Harga Saham LQ45 merupakan salah satu jenis data runtun waktu. Beberapa model telah dikembangkan dalam memprediksi data runtun waktu, salah satunya adalah machine learning. Generative Adversarial Network (GAN) merupakan salah satu pendekatan khusus untuk machine learning melalui pemodelan generatif. GAN dapat menghasilkan prediksi yang memiliki keakuratan yang tinggi, karena GAN menggunakan dua jaringan, yaitu generator dan diskriminator. Long Short-Term Memory (LSTM) digunakan sebagai generator untuk mempelajari data dan melakukan prediksi serta Convolutional Neural Network (CNN) digunakan sebagai diskriminator untuk mengklasifikasi data. Oleh karena itu, dalam tugas akhir ini, penulis menerapkan GAN dalam prediksi Indeks Harga Saham LQ45. Penerapan metode ini bertujuan untuk meningkatkan akurasi dalam prediksi sehingga investor dapat mengukur kinerja portofolio sahamnya di masa yang akan datang dengan baik. Data yang digunakan dalam tugas akhir ini adalah harga penutupan atau closing Indeks Harga Saham LQ45 harian dari periode 2 Januari 2019 hingga 30 Desember 2022. Hasil prediksi Indeks Harga Saham LQ45 dapat ditunjukkan dengan nilai MAPE. Untuk data training memiliki nilai MAPE sebesar dan untuk data testing memiliki nilai MAPE sebesar perbandingan 80% data training dan 20% data testing.

---

The LQ45 Stock Price Index is an index that measures the price performance of 45 stocks that have high liquidity and large market capitalization listed on the Indonesia Stock Exchange. The LQ45 Stock Price Index prediction can be used to measure the performance of a stock portfolio in the future so that investors can evaluate the shares they own. Predicting the LQ45 Stock Price Index is a difficult task because this stock price index data tends to have quite high fluctuations. For this reason, an appropriate technique is needed to predict the LQ45 Stock Price Index. The LQ45 Stock Price Index is a type of time series data. Several models have been developed to predict time series data, one of which is machine learning. Generative Adversarial Network (GAN) is a special approach to machine learning through generative modeling. The GAN method can produce predictions that have high accuracy, because GAN uses two networks, namely generator and discriminator. Long Short-Term Memory (LSTM) is used as generator to study data and make predictions and Convolutional Neural Network (CNN) is used as discriminator to classify data. Therefore, in this thesis, the author applies the GAN method in predicting the LQ45 Stock Price Index. The application of this method aims to increase accuracy in predictions so that investors can measure the performance of their stock portfolio in the future properly. The data used in this thesis is the daily closing price of the LQ45 Stock Price Index from the period 2 January 2019 to 30 December 2022. The prediction results of the LQ45 Stock Price Index can be shown by the MAPE value. For training data, the MAPE value is 20,9340% and for testing data, the MAPE value is 2,3740%. These results use a comparison of 80% training data and 20% testing data."

"Model bisnis yang unik, aset tangible yang relatif kecil, dan aset intangible yang besar membuat perusahaan media sosial sulit untuk dinilai. Aset intangible perusahaan media sosial mencakup jumlah pengguna gratis yang secara tidak langsung akan menambah pendapatan mereka melalui partner-partner yang ingin menyerap pasar dalam dunia internet. Baru-baru ini perusahaan media sosial yang masih muda Twitter Inc. melakukan IPO dalam kondisi keuangan yang masih merah dan historikal keuangan yang tidak stabil. Penelitian ini berupa studi kasus untuk melakukan valuasi harga saham pada Twitter Inc. Valuasi dilakukan dengan metode Discounted Cash Flow dengan melakukan beberapa penyesuaian dan asumsi. Dari hasil penelitian diketahui bahwa pada skenario pertumbuhan yang lambat harga saham Twitter adalah $19.46, skenario pertumbuhan normal harga saham Twitter adalah $30.34, dan skenario pertumbuhan cepat harga saham Twitter adalah $46.53.

---

Unique business model, relative small tangible assets, and large intangible assets make social media companies difficult to assess. Intangible assets cover free users that will indirectly add to their revenue through partners who want to tap into the internet market in the world. Recently, Twitter Inc. as a young social media company perform an IPO in still red financial condition and unstable financial history. This research is a case study to conduct valuation at Twitter Inc. Valuation carried out by the Discounted Cash Flow method with some adjustments and assumptions. The results revealed that in slow growth scenario Twitter stock price is $ 19.46, normal growth scenario Twitter stock price is $ 30.34, and rapid growth scenario Twitter stock price is $ 46.53"

"Penelitian ini secara umum menganalisa pengaruh variabel-variabel ekonomi makro terhadap index harga saham gabungan (IHSG). Dengan menggunakan data variabel makro BI rate, jumlah uang beredar, kurs dollar, inflasi dan PDB, juga IHSG di BEI periode 2005-2014 sebagai variabel dependen. Teknik analisis yang dilakukan pada penelitian ini menggunankan metode regresi linier berganda dengan menggunakan variabel independen BI rate, jumlah uang beredar, kurs dollar, inflasi dan PDB terhadap variabel dependen IHSG.Hasil penelitian ini menunjukkan bahwa hanya variabel PDB saja yang tidak berpengaruh secara signifikan terhadap index harga saham gabungan. Dari empat variabel yang memiliki hubungan yang signifikan dengan IHSG, tiga diantaranya yaitu KURS, BI rate dan INF memiliki hubungan yang negatif, yang artinya jika KURS, BI rate dan INF meningkat maka akan menurunkan nilai IHSG, sedangkan jumlah uang beredar memiliki hubungan yang positif yang artinya jika jumlah uang beredar meningkat maka akan meningkat juga nilai dari IHSG.

---

In generally, this research is analyze the effect of macroeconomic variables on Jakarta Composite Index (JCI). By using the macro variable data BI rate, money supply, exchange rate of the dollar, inflation and GDP, also JCI in BEI period 2005-2014 as the dependent variable. Technical analyzes conducted in this study using multiple regression method using independent variables BI rate, money supply, exchange rate of the dollar, inflation and the GDP on the dependent variable JCI.

The results showed that the only variable that GDP alone does not significantly on JCI. Of the four variables have a significant relationship with JCI, three of them namely EXCHANGE ($), BI rate and INF have a negative relationship, which means that if EXCHANGE ($), BI rate and INF increase will decrease the value of JCI, while money supply has a positive relationship which means that if the money supply increase it will too increase value of the JCI."

"Penelitian ini dilakukan untuk mengetahui apakah terdapat hubungan timbal balik antara nilai tukar rupiah terhadap dolar dengan indeks harga saham baik secara agregat maupun sektoral.Dengan tujuan ini maka dilakukan analisis dengan metode Vector Autoregressive (VAR) menggunakan data harian untuk periode waktu 24 Januari 2001 - 18 Suni 2004. Terdapat tiga model yang akan dianalisis yaitu model 1 yang melibatkan nilai tukar rupiah terhadap dolar dengan indeks harga saham gabungan (IHSG), model 2 yang melibatkan nilai tukar rupiah dengan indeks harga saham sektor pertambangan dan model 3 yang melibatkan nilai tukar rupiah dengan indeks harga saham sektor aneka industri.Hasil penelitian menunjukkan bahwa variabel-variabel yang diamati tidak stasioner pada level dan mencapai stasioner pada level first difference atau 1(1). Walaupun mempunyai orde integrasi yang sama ternyata kedua variabel untuk masing-masing model tidak berkointegrasi baik menurut metode Augmented Engle Granger maupun Johansen's Cointegration Test. Dengan demikian pemodelan yang digunakan adalah VAR untuk first difference. Dan ketiga model VAR diketahui bahwa untuk nilai tukar rupiah terhadap dolar selain dipengaruhi oleh pergerakan dari nilai tukar hari-hari sebelumnya juga dipengaruhi oleh pergerakan indeks harga saham (ceteris paribus). Sebaliknya untuk indeks harga saham yang berpengaruh secara signifikan hanya pergerakan dari indeks hari-hari sebelumnya. Hasil ini diperkuat oleh innovation accounting baik untuk Variance Decompositions (VIX's) maupun Impulse Re.sponse !''unction (IRE). Deegan demikian untuk periode data pada penelitian ini, indeks bisa menjadi leading indicator bagi nilai tukar sesuai dengan Por(f olio Balance Approach.

---

The aim of this research is to test whether there are the causal relation and dynamic interactions between stock indices and exchange rate for composite and sector indices.

To achieve that goal, we employ Vector Autoregressive (VAR) method for daily lime series data from January 240, 1997 until June 180, 2004. We analyze three models, those are between composite indices and exchange rate, mining indices and exchange rate and the rest between miscellaneous indices and exchange rate.

In this research, we find that both of variables are stationary for the first difference or 1(1). Although the two of variables have the same of order integration but they don't integrated each other based on Augmented Engle Granger method and Johansen's Cointegration Test. VAR models show that movement of exchange rate is significantly influenced by the movement of exchange rate previously and the movement of stock indices. The other way shows that movement of stock indices is significantly influenced only by the movement stock indices. Those result are supported by Variance Decompositions (VDCs) and Impulse Response function (IRF). For the sample period, we find that stock indices can be leading indicator for exchange rate (ceteris paribus), which appropriate with Portfolio Balance Approach."

"Penelitian ini menguji secara empiris perubahan dynamic linkages variabel yield SBN-Domestik, IHSG terhadap shocks yield US Treasury bond, SP500 dan IDR/USD. Analisis menggunakan VECM. Uji IRF, VD dan Granger causality membuktikan bahwa dalam jangka panjang, periode pandemic-covid19 variabel yield SBN-domestik mengalami perubahan hubungan dinamis yang signifikan terhadap semua shock, namun perubahan terbesar terdapat pada yield SBN3Y dan SBN5Y. Hal ini disebabkan karena pada periode pendemic-covid19, SBN3Y dan SBN5Y sebagai SBN tenor pendek dan menengah dianggap lebih berisiko. Perubahan IHSG signifikan terhadap shockSP500 periode pandmeic-covid19. Uji variance decomposition periode pandemic-covid19 membuktikan dalam jangka panjang SP500 mempunyai kontribusi varians tertinggi.

---

This study empirically examines the dynamic linkages among yield SBN-Domestic and IDX-Composite to the shocks of US Treasury bonds, SP500 and IDR/USD. Analysis applying VECM. IRF, VD and Granger causality tests prove that in the long-run, during the pandemic-covid19 period, the SBN-Domestic experienced a significant change to all shocks, but the biggest changes were on SBN3Y and SBN5Y. This was due to the fact that during the Covid-19 pandemic, SBN3Y and SBN5Y were considered high risk. IDX-Composite was significantly changes for SP500 during pandemic-covid19 period. Variance decomposition test proved that in the long run, SP500 has the highest variance contribution."