Hasil Pencarian  ::  Simpan CSV :: Kembali

"Peningkatan valuasi pasar dan grafik perdagangan menimbulkan fluktuasi harga yang tinggi dan berisiko. Oleh karena itu, pembentukan portofolio dan prediksi harga menjadi salah satu alternatif untuk mengurangi risiko investasi. Di sisi lain, metode forecast untuk instrumen investasi sangat banyak, oleh karena itu diperlukan model yang fit terbaik pada kondisi pasar Indonesia. Penelitian ini bertujuan untuk membandingkan akurasi prediksi model Long Short-Term Memory (LSTM) dan Autoregressive Moving-Average (ARMA) dalam membentuk portofolio optimal saham-saham Indeks Kompas100 periode Januari 2019 hingga Mei 2024. Data harga penutupan harian digunakan untuk membentuk portofolio dan memprediksi harga saham di masa mendatang menggunakan kedua model tersebut. Hasil penelitian menunjukkan bahwa model LSTM memiliki akurasi prediksi yang lebih tinggi dibandingkan ARMA dalam menangkap pola non-linear pada data saham, sehingga lebih unggul dalam kondisi pasar yang volatil. Sebaliknya, model ARMA lebih efektif dalam kondisi pasar yang stabil dan data yang stasioner. ARMA memiliki akurasi prediksi yang lebih buruk dari LSTM karena tidak bisa mewakili keseluruhan portofolio akibat keterbatasan stasioneritas data. Disisi lain akurasi LSTM lebih tinggi ARMA karena dapat mewakili keseluruhan portofolio.

---

Increased market valuations and trading charts give rise to high and risky price fluctuations. Therefore, portfolio formation and price predictions are an alternative to reduce investment risk. On the other hand, there are many forecast methods for investment instruments, therefore a model that is best suited to Indonesian market conditions is needed. This research aims to compare the prediction accuracy of the Long Short-Term Memory (LSTM) and Autoregressive Moving-Average (ARMA) models in forming an optimal portfolio of Kompas100 Index shares for the period January 2019 to May 2024. Daily closing price data is used to form the portfolio and predict future stock prices using both models. The research results show that the LSTM model has higher prediction accuracy than ARMA in capturing non-linear patterns in stock data, so it is superior in volatile market conditions. In contrast, the ARMA model is more effective in stable market conditions and stationary data. ARMA has worse prediction accuracy than LSTM because it cannot represent the entire portfolio due to limited data stationarity. On the other hand, LSTM accuracy is higher than ARMA because it can represent the entire portfolio."

"Investasi pada saham untuk saham-saham yang telah go-public di pasar modal akan memberikan return (hasil) dan risk (risiko) bagi investornya. Sehubungan dengan return dan risk ini maka investor harus memilih kombinasi saham yang dapat memberikan return dan risk yang optimal. Pengamatan pada saham-saham yang paling aktif tiap bulannya di Bursa Efek Jakarta antara bulan Oktober 1993 sampai dengan September 1994 terpilih 20 saham sebagai saham kandidat, yaitu saham-saham: 1. Argha Karya Prima Industry (disingkat AKPI), 2. Astra International Incorporation (ASII), 3. Bank Danamon (BDMN), 4. Bank Dagang Nasional Indonesia (BDNI), 5. Bank Internasional Indonesia (BNII), 6. Barito Pacific Timber (BRPT), 7. Duta Anggada Realty (DART), 8. Dharmala Intiland (DILD), 9. Gajah Tunggal (GJTL), 10. Hanjaya Mandala Sampoerna (HMSP), 11. Indah Kiat Pulp and Paper (INKP)5 12. Intl Indorayon Utama (INRU), 13. Indocement Tunggal Perkasa (INTP), 14. Jakarta International Hotel and Development (JIHD), 15. Japfa Comfeed Indonesia (JPFA), 16. Pan Brothers Tex (PBRX), 17. Panin Bank (PNBN), 18. Surabaya Agung Industry Pulp (SHIP), 19. Smart Corporation (SMAR) dan 20. Tjiwi Kimia (TKIM).Model penentuan proporsi portfolio optimal yang digunakan pada penelitian ini adalah Model Single Index: (disingkat Model SI) dan Model Constant Correlation (Model CC). Dengan mengamati data Indeks Harga Saham Individual (IHSI) diperoleh return saham individu. Dari data suku bunga deposito / bulan pada bank-bank pemerintah diperoleh return untuk risk free assets. Dari data Indeks Harga Saham Gabungan (IHSG) diperoleh return pasar.Pengolahan data di atas, dengan menggunakan Model Single Index, terpilih 5 saham terpilih, yaitu saham-saham: 1. HMSP, 2. INTP, 3. INKP, 4. BDNI dan 5. TKIM; dengan proporsi optimal untuk masing-masingnya adalah: 1. 80,90175%, 2. 8,65353%, 3. 6,89664%, 4. 1,88740% dan 5. 1,46068%. Sedangkan dengan menggunakan Model Constant Correlation, terpilih 3 saham terpilih, yaitu saham-saham: 1. HMSP, 2. INKP dan 3. INTF; dengan proporsi masing-masingnya adalah: 1. 91,70473%, 2. 7,80834% dan 3. 0,486937..Setelah penentuan proporsi portfolio optimal dengan kedua model di atas, kemudian dihitung: expected return portfolio, variance return portfolio dan standard deviation portfolio untuk masing-masing model. Pada Model Single Index, di mana 5 saham terpilih, menghasilkan return (yang ditunjukkan oleh expected return portfolio) yang lebih kecil dengan risk (variance dan standard deviation return portfolio) yang lebih kecil pula. Sedangkan pada Model Constant Correlation, dengan 3 saham terpilih, menghasilkan return yang lebih besar dan risiko yang lebih besar pula."