Perbandingan Metode Auto Regressive Integrated Moving Average Dan Extreme Learning Machine Pada Peramalan Harga Saham Pt. Bank Central Asia (Bca) Tbk (Studi Kasus: Harga Penutupan Saham Harian Pt. Bank Central Asia (Bca) Tbk Dari Januari 2020 Hingga Juni 2022)

Abstract

Pasar modal berperan penting bagi pergerakan perekonomian di Indonesia. Hadirnya pasar modal sebagai salah satu sarana investasi dapat membantu perusahaan yang menawarkan saham ke masyarakat (go public) untuk menuai sumber dana tambahan melalui penjualan kepemilikan perusahaan. Semakin tinggi minat masyarakat untuk memiliki saham suatu perusahaan akan berpengaruh terhadap pasar saham. Namun pergerakan harga saham yang tidak pasti menjadikan investasi saham sebagai produk investasi yang berisiko tinggi. Sebagai investor, diperlukan kemampuan analisis yang dapat memprediksi pergerakan harga saham di masa mendatang guna mendukung pengambilan keputusan. Pada penelitian ini bertujuan untuk membantu manajer investasi atau investor dalam pengambilan keputusan. Metode yang digunakan pada penelitian ini adalah Auto Regressive Integrated Moving Average (ARIMA) dan Extreme Learning Machine (ELM). Berdasarkan nilai MAPE menunjukkan bahwa metode Auto Regressive Integrated Moving Average lebih sesuai karena memiliki nilai kesalahan yang lebih kecil dibandingkan dengan metode Extreme Learning Machine dengan kesalahan prediksi yang diperoleh senilai 1,25804%.