Analisis Perbandingan Peramalan Indeks Harga Saham Hang Seng Menggunakan Metode Naive, Holt’s Exponential Smoothing dan Neural Network Autoregressive (NNAR)

Abstract

Indeks Harga Saham mengindikasikan performa saham sebuah negara yang dapat memberikan gambaran mengenai kondisi perekonomian negara. Penelitian ini bertujuan untuk mengetahui model peramalan yang paling tepat untuk Indeks Harga Saham Hang Seng (IHSHS) guna memberikan informasi penting bagi investor, pelaku pasar, dan pengambil keputusan kebijakan tentang prospek pertumbuhan ekonomi di masa depan dan potensi penciptaan lapangan kerja. Metode peramalan yang dibandingkan yakni Naive, Holt’s Exponential Smoothing dan Neural Network Autoregressive (NNAR). Tahapan yang dilakukan meliputi uji kelayakan model, penentuan estimasi parameter serta peramalan data training dan testing. Penentuan model paling tepat dilihat melalui perbandingan kesalahan peramalan menggunakan parameter Mean Absolute Percentage Error (MAPE) yang terkecil diantara ketiga metode. Evaluasi error MAPE yang diperoleh untuk data training dan testing secara berturut-turut pada metode Naive yaitu sebesar 0,940% dan 1,748%. Pada metode  Holt’s Exponential Smoothing  sebesar 0,408% dan 0,75%. Sedangkan pada metode NNAR(6,3) sebesar 0,834% dan 5,196%. Berdasarkan hasil tersebut, diketahui bahwa Holt’s Exponential Smoothing  memiliki nilai MAPE terkecil, baik untuk data training maupun testing. Dengan demikian, Holt’s Exponential Smoothing  ditetapkan sebagai model yang paling tepat dan dapat menjadi pertimbangan untuk digunakan dalam peramalan serta monitoring IHSHS