ANALISIS TEKNIKAL HARGA SAHAM DENGAN METODE ARIMA (Studi Pada IHSG Di Bursa Efek Jakarta)

Abstract

Dalam investasi saham ada dua macam analisis yaitu analisis Fundamental dan analisis teknikal. Analisis teknikal berupaya untuk menguji data historis dalam memprediksi harga saham guna melakukan pembelian ataupun penjualan suatu instrumen investasi, sedangkan analisis fundamental merupakan telcnik analisis yang mempelajari tentang berbagai falctor fundamental (seperti tingkat sulcu bunga, tingkat kepemilikan, rasio-rasio keuangan, neraca dan sebagainya) sebagai langkah penilaian sa'nam perusahaan. Dalam kenyataannya, ternyata analisis teknikal sering diberikan bobot lebih tinggi daripada analisis fundamental oleh para pelaku pasar, namun sayangmya penelitian-penel Man yang ada terutama yang dilakukan di Indonesia kebanyakan melakukan kajian pada variabel-variabel fundamental saja. Mengingat pentingmya analisis teknikal dalam suatu analisis saham, maka penelitian ini akan melakukan kajian mengenai Analisia Teknikal harga saham dengan ARIMA pada Indeks Harga Saham Gabungan sebagai proxy pasar saham di Bursa Efek Jakarta. Penelitian ini dilakukan dengan menguji peramalan metode ARIMA mengenai data analisis yang digunakan. Autoregressive integrated moving average (ARIMA) merupakan suatu metode yang menghasilkan ramalan-ramalan berdasarkan sintesis dari pola data secara historis (Arsyad, 1995). ARIMA ini sama sekali mengabaikan variabel independen karena model ini menggunakan nilai sekarang dan nilai-nilai lampau dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat. Data yang digunakan dalam penelitian ini adalah data Indeks Harga Saban! Gabungan harianselama periode 2 Januari 2003 hingga 30 Desember 2003, data ini diperoleh dari JSX Montly Statistics yang dipublikasikan oleh Bursa Efek Jakarta. Hasil penelitian ini menunjukan bahwa data IHSG harian selam periode penelitian bukanlah data yang bersifat stasioner sehingga perlu dilakukan proses clifferencing (pembedaan) karena analisis metode ARIMA membutuhkan data yang bersifat stasioner. Setelah dilakukan proses ini data menjadi bersifat stasioner yaitu memiliki nilai rata-rata dan variansi yang cenderung konstan. Berdasarkan pengujian correlogram hanya ada 2 koefisien otokorelasi parsial yang signifikan untuk dipergunakan dalam pembentukan model ARIMA yaitu lag 1 (nilai 1 hari sebelumnya) dan lag 32 (nilai 32 hari sebelumnya). Sehingga model ARIMA yang dipergunakan adalah ARIMA (2,1,0). Model ini temyata relevan untuk dipergunakan sebagai teknik peramalan harga saham karena mempunyai presentase kesalahan absolut rata-rata sebesar 1,61%. Adanya koefisien autokorelasi parsial pada lag 1 dan lag 32 secara statistik berbeda dari nol atau melebihi confidence limit 0±1,96(13 ) atau 0 ± 0,127, yaitu rk lag 1 = 0,148 dan rk lag 32 = 0,130. Hal ini dapat dipergunakan untuk menjawab hipotesis yang diajukan karena nilai harga saham terdahulu yaitu lag 1 dan lag 32 berpengaruh signifikan dalam perarnalan model ARIMA. Sedangkan • nilai terdahulu selain lag 1 dan lag 32 tidak mempunyai pengaruh yang signifikan terhadap peramalan harga saham dengan Metode AR1MA mi. Security analysis consist of two types of analysis, namely tecnical analysis an fundamental analysis, Technical analysis to test wheater historical data will predict stock prices as a consideration to buy or sell an investment's instrument. Meanwhile fundamental analysis is to determine the important factors of basic's finance and company's economic factors -as company's •stock- valuation. In fact; • investors lend to emphasize the security consideration on technical analysis and give more weight on it, Unfortunately researchs have been conducted in Indonesia are mostly focus on fundamental variabels.Therefore it is to conduct the research on technical analysis in security prices to predict IHSGon stock market proxied in Jakarta Stock Exchange. ARIMA model was involved to predict the data in the study. ARIMA is a model to produce forecasting from historic data. The data in this research were collelected from daily IHSG during 2 Januari2003-30 Desember 2001 The indicated that is data not stationary, There after, in order ARIMA can be applied then the data was formed in the first diferencing. Based on the correlogram plot, it was found that two autocorrelation (lagl, lag32) were significant. Lastly, the model is soundly predict mean absolut error 1,61%.