Peramalan IHSG dengan Metode ARIMA-GARCH dAN LSTM Pada Periode Sebelum, Masa dan Sesudah Covid-19

Abstract

Pasar saham merupakan indikator utama yang mencerminkan kondisi ekonomi suatu negara dan sering kali dipengaruhi oleh berbagai faktor makroekonomi serta sentimen pasar. Oleh karena itu, metode peramalan yang akurat sangat diperlukan untuk membantu investor, regulator, dan pemangku kepentingan dalam mengambil keputusan yang lebih tepat. Penelitian ini bertujuan untuk membandingkan performa model ARIMA-GARCH dan LSTM dalam memprediksi pergerakan Indeks Harga Saham Gabungan (IHSG) pada tiga periode yang berbeda, yaitu sebelum,

selama, dan setelah pandemi COVID-19. Hasil penelitian menunjukkan bahwa model ARIMA- GARCH lebih unggul dalam hal akurasi dibandingkan dengan LSTM, yang terlihat dari nilai MSE,

RMSE, dan MAPE yang lebih rendah di semua periode. Model ARIMA-GARCH terbukti lebih efektif dalam menangkap pola volatilitas pasar, baik dalam kondisi stabil sebelum pandemi maupun saat terjadi gejolak selama dan setelah pandemi. Di sisi lain, meskipun model LSTM memiliki keunggulan dalam menangkap pola non-linear yang kompleks, model ini mengalami kesulitan dalam mengakomodasi perubahan pola data yang drastis akibat ketidakpastian ekonomi selama pandemi. Dengan demikian, hasil penelitian ini memberikan pengetahuan yang berharga bagi investor, akademisi, dan regulator dalam memilih model peramalan yang paling sesuai untuk memprediksi pergerakan pasar saham serta dalam merumuskan strategi investasi dan manajemen risiko yang lebih optimal.