Analisis Prediksi Harga Saham PT. Bank Panin Syariah Tbk dengan Menggunakan Metode ARIMA Tahun 2023-2026

Dea Ririhena; Hilda Firda Malino; Olivia Marshanda Pandiangan; Emmanuel Alexsandra Chatrine Wondiwoy; Radian Januari Situmeang

doi:10.31004/riggs.v5i2.9694

Authors

Dea Ririhena Universitas Cenderawasih
Hilda Firda Malino Universitas Cenderawasih
Olivia Marshanda Pandiangan Universitas Cenderawasih
Emmanuel Alexsandra Chatrine Wondiwoy Universitas Cenderawasih
Radian Januari Situmeang Universitas Cenderawasih

DOI:

https://doi.org/10.31004/riggs.v5i2.9694

Keywords:

Prediksi, Harga Saham, PT PNBS, ARIMA, Deret Waktu, Perbankan Syariah

Abstract

Harga saham di pasar modal bersifat dinamis dan tidak stabil karena dipengaruhi oleh berbagai faktor makroekonomi maupun mikroekonomi, seperti sentimen investor, kebijakan moneter bank sentral, kondisi perekonomian global, serta kinerja internal perusahaan. Penelitian ini bertujuan untuk menganalisis dan memprediksi pergerakan harga penutupan harian saham PT Bank Panin Dubai Syariah Tbk (PNBS) selama periode 2023–2026 menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Data harga penutupan harian diperoleh dari platform Investing.com dan seluruh data dalam rentang waktu tersebut digunakan secara penuh menggunakan teknik sampling jenuh. Pengolahan data dilakukan menggunakan perangkat lunak R. Pengujian stasioneritas dilakukan melalui uji Augmented Dickey-Fuller (ADF) yang menghasilkan nilai statistik Dickey-Fuller sebesar −6,9348 dengan p-value 0,01, mengkonfirmasi bahwa data telah stasioner pada diferensiasi orde pertama. Identifikasi orde model dilakukan secara visual melalui grafik Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), kemudian dilanjutkan dengan estimasi parameter menggunakan metode Maximum Likelihood Estimation (MLE). Pemilihan model terbaik berdasarkan Akaike Information Criterion (AIC) menghasilkan model ARIMA(1,1,1) sebagai model paling optimal dengan nilai AIC terendah sebesar 981,64, mengungguli ARIMA(1,1,0) dengan AIC 1056,30 dan ARIMA(0,1,1) dengan AIC 982,72. Hasil peramalan untuk tahun 2028 menunjukkan harga saham PNBS diproyeksikan naik tipis dari Rp51,73 pada awal periode, kemudian konvergen secara stabil di angka Rp51,96. Pola ini mengindikasikan berkurangnya volatilitas dan masuknya saham ke fase harga yang relatif stabil dan terprediksi. Temuan ini diharapkan menjadi referensi ilmiah bagi investor maupun analis dalam menyusun strategi investasi berbasis proyeksi harga saham PNBS ke depan.

Downloads

Download data is not yet available.

References

F. A. Kurnia, M. Hardianti, M. Sinurat, and L. Cahyadi, “Analisis Prediksi Harga Saham PT. BCA Dengan Menggunakan Metode ARIMA,” Jurnal Ekonomi dan Keuangan, vol. 1, no. 1, 2022.

M. M. Gazali and H. Setiawan, “Penerapan Model ARIMA untuk Meramalkan Harga Pembukaan Harian Saham PT. Bank Central Asia Tbk,” Jurnal Statistika dan Komputasi, vol. 2, no. 2, 2022.

I. Permatasari and S. Puspitodjati, “Peramalan Deret Waktu Penjualan Bulanan Menggunakan Pendekatan Deep Learning Metode Long Short-Term Memory,” Jurnal Ilmu Komputer dan Informatika, vol. 5, no. 1, 2023.

G. E. P. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung, Time Series Analysis: Forecasting and Control, 5th ed. Hoboken, NJ, USA: John Wiley & Sons, 2015.

I. Basri, D. F. Abdillah, T. Khotiah, Jumain, and A. Rohman, “Forecasting the Number of Patient Visits by ARIMA and Holwinters Method at the Public Health Center,” Journal of Applied Statistics, vol. 10, no. 2, 2022.

G. P. Diniarti, R. Hadiwiyanti, and P. F. A. Karunia, “Forecasting the Highest Number of Hotel Visitors in Mojokerto Regency Using ARIMA Model,” Jurnal Pariwisata dan Statistika, vol. 3, no. 1, 2022.

R. D. T. Wulandari, Nurmalitasari, and H. Permatasari, “Prediksi Harga Saham PT Bank Central Asia Tbk dengan Menggunakan Algoritma Autoregressive Integrated Moving Average (ARIMA),” Jurnal Riset Akuntansi dan Keuangan, vol. 8, no. 3, 2022.

R. V. T. Sapanji, S. Lestari, Murnawan, and R. Samiharjo, “Prediksi Indeks Bursa Efek Indonesia 2023 Pendekatan ARIMA, Machine Learning dengan R Programming,” Jurnal Pasar Modal Indonesia, vol. 12, no. 1, 2023.

M. A. B. Sadewa, L. Gubu, and L. Pimpi, “Peramalan Harga Saham PT. Bank Central Asia, Tbk Menggunakan Metode ARIMA,” Jurnal Matematika Terapan, vol. 6, no. 2, 2022.

I. G. I. Sudipa, R. Riana, I. N. T. A. Putra, C. P. Yanti, and M. D. W. Aristana, “Trend Forecasting of the Top 3 Indonesian Bank Stocks Using the ARIMA Method,” International Journal of Finance and Economics, vol. 5, no. 4, 2023.

H. Akaike, “A New Look at the Statistical Model Identification,” IEEE Transactions on Automatic Control, vol. 19, no. 6, pp. 716–723, 1974.

I. D. Wahyuni, T. Yuniarti, and A. Rapi, “Penerapan Model ARIMA Dalam Memprediksi Penjualan Produk Minuman Teh Botol Sosro Ukuran 350 mL,” Jurnal Manajemen Operasi, vol. 7, no. 1, 2022.

Rosyidah, “Aplikasi Metode Autoregressive Integrated Moving Average (ARIMA) pada Peramalan Stabilitas Bank Syariah di Indonesia,” Jurnal Keuangan Syariah, vol. 4, no. 2, 2022.

D. N. Fadhilah, K. Parmikanti, and B. N. Ruchjana, “Peramalan Return Saham Subsektor Perbankan Menggunakan Model ARIMA-GARCH,” Jurnal Statistika FMIPA Unpad, vol. 5, no. 1, 2023.

R. Ibrahim and Y. H. Agustin, “Prediksi IHSG Dengan Algoritma Autoregressive Integrated Moving Average (ARIMA),” Jurnal Teknologi Informasi dan Ekonomi, vol. 3, no. 1, 2022.

C. Adam, M. Idhom, and Trimono, “Prediksi Harga Saham Menggunakan ARIMA Outlier sebagai Pendekatan Awal Menuju Analisis AI Keuangan,” Jurnal Komputasi Keuangan, vol. 2, no. 3, 2023.

A. G. Hapsani and M. A. Putri, “Comparison Various Analytical Approaches to Find The Most Efficient and Effective Method for Peak Hour Identification,” International Journal of Data Science, vol. 4, no. 2, 2023.

A. Mustopa, J. D. Santoso, M. S. F. Nauvaldhi, and D. Wulandari, “Pemodelan Variabilitas Musiman dalam Curah Hujan: Pendekatan Deret Waktu,” Jurnal Geofisika Indonesia, vol. 8, no. 2, 2023.

F. R. Pratama, B. Santoso, and S. Kacung, “Prediksi Harga Saham PT Telkom Menggunakan Metode CNN-LSTM,” Jurnal Ilmu Komputer dan Sistem Informasi, vol. 11, no. 1, 2023.

I. Saluza et al., “Prediksi Data Time Series Harga Penutupan Saham Menggunakan Model Box Jenkins ARIMA,” Jurnal Matematika dan Statistika, vol. 9, no. 1, 2022.

E. Sinu, M. A. Kleden, and A. Atti, “Application of ARIMA Model for Forecasting National Economic Growth: A Focus on Gross Domestic Product Data,” Asian Journal of Economics and Finance, vol. 5, no. 1, 2023.