Prediksi Harga Saham BRI Model ARIMA-LSTM Bergalat 0,0297 Persen

Cekricek.id — 0,0297 persen. Itu galat rata-rata terkecil model hibrida ARIMA-LSTM dalam riset prediksi harga saham BRI dari Universitas Lampung. Angka itu keluar dari skema pembagian data 90 banding 10. Skema 80 banding 20 hanya berselisih tipis, 0,0298 persen.

Dua angka itu adalah MAPE, singkatan dari mean absolute percentage error. Menurut naskah, MAPE dihitung dari rata-rata selisih persentase antara angka prediksi dan angka aktual. Pengukur kedua adalah RMSE, akar dari kuadrat selisih nilai aktual dan ramalan. Untuk skema 90:10, RMSE-nya 169,0204.

Riset ini ditulis empat peneliti Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung. Mereka adalah Dian Kurniasari, Silvi Fitriani, Warsono, dan Mustofa Usman. Keempatnya menguji 2 model tunggal dan 1 model gabungan pada data yang sama.

Judul naskahnya Hybrid Autoregressive Integrated Moving Average-Long Short-Term Memory (ARIMA-LSTM) Model for Forecasting BRI Bank Stock Prices. Naskah terbit di Jurnal Matematika UNAND Volume 15 Nomor 3, halaman 274–290, edisi Juli 2026. Naskah diterima redaksi jurnal pada 18 Oktober 2024, direvisi 18 Januari 2026, dinyatakan diterima 9 Juli 2026, dan tersedia daring 31 Juli 2026.

Enam Variabel dan Satu Pilihan untuk Prediksi Harga Saham BRI

Datanya harga saham harian BRI dari Januari 2017 sampai Oktober 2022. Sumbernya situs Yahoo Finance. Set data itu memuat 6 variabel: harga pembukaan, harga tertinggi, harga terendah, harga penutupan, harga penutupan tersesuaikan, dan volume. Dari 6 variabel, hanya 1 yang dianalisis untuk prediksi harga saham BRI, yaitu harga penutupan.

Alasan penulis, harga penutupan adalah harga akhir yang sudah menampung seluruh informasi pasar dalam 1 periode perdagangan. Pilihan itu juga sejalan dengan sifat ARIMA yang univariat. Menurut penulis, 1 variabel utama lebih tepat, lebih sederhana, dan mengurangi kerumitan dari 5 variabel lain yang cenderung berulang isinya.

Data itu tidak utuh. Grafik harga penutupan 2017–2022 memperlihatkan sejumlah data hilang. “Secara kuantitatif, proporsi data yang hilang relatif kecil (kurang dari 5% dari total observasi),” tulis Dian Kurniasari dan rekan-rekannya. Menurut mereka, porsi sekecil itu tidak mengganggu pola utama deret waktu.

Celah di bawah 5 persen itu tetap ditambal. Metodenya interpolasi linier. Menurut penulis, metode ini menjaga kesinambungan waktu karena memakai nilai sebelum dan sesudah data yang hilang. Mereka menilainya lebih tepat daripada penggantian dengan median untuk data keuangan yang dinamis.

Baca juga Investor Pemula Korsel Rugi Besar Gara-Gara Saham AI

Naskah juga memberi gambaran saham yang diteliti. Merujuk data Bursa Efek Indonesia, penulis menyebut saham BRI diminati investor domestik dan asing. Kapitalisasi pasarnya besar, dan bobotnya signifikan di indeks IHSG serta LQ45. Pada April 2024, harga saham BRI disebut mencapai Rp5.700 per lembar, dengan volume perdagangan 178.817.800 lembar.

Nilai p 0,159 dan Satu Kali Pembedaan

Uji pertama adalah Augmented Dickey-Fuller. Nilai p yang keluar 0,159. Taraf signifikansi yang dipakai 5 persen. Karena 0,159 lebih besar, hipotesis nol tidak ditolak dan data dinyatakan tidak stasioner. Jalan keluarnya pembedaan orde pertama. Setelah 1 kali pembedaan, nilai p turun di bawah 5 persen, dan data dinyatakan stasioner.

Parameter d pada ARIMA pun ditetapkan 1. Menurut penulis, angka itu berarti hanya diperlukan 1 kali proses pembedaan untuk mencapai stasioneritas. Tahap ini menjadi dasar pemilihan model ARIMA untuk prediksi harga saham BRI.

Lag 2 dan 3 Mengantar ke ARIMA(0,1,2)

Langkah berikutnya membaca plot ACF dan PACF. Lag ke-2 dan ke-3 melewati ambang signifikansi. Dalam pendekatan Box-Jenkins yang dipakai penulis, lonjakan ACF menandai kandidat orde MA atau q. Lonjakan PACF menandai kandidat orde AR atau p.

Ruang pencarian lalu dipersempit. Nilai p dicari di antara 0, 2, dan 3. Nilai q juga dicari di antara 0, 2, dan 3. Pemenangnya ARIMA(0,1,2). Model ini memenuhi 2 syarat, yaitu parameter signifikan dan residual berupa white noise. Nilai AIC-nya juga paling rendah di antara pilihan yang ada.

Pada tahap prediksi, ARIMA(0,1,2) mencatat RMSE 73,7809 dan MAPE 0,0141 persen. Penulis menerjemahkannya sebagai akurasi 99,9859 persen. Pada tahap peramalan, RMSE naik ke 170,3508 dan MAPE menjadi 0,0305 persen, atau akurasi 99,9695 persen.

64 Neuron, Batch 32, dan 100 Epoch

Residual ARIMA menjadi bahan kerja LSTM. Residual dihitung dengan mengurangkan data prediksi dari data aktual. Menurut penulis, residual itu mewakili pola nonlinier dan derau yang tidak tertangkap ARIMA. Hasil akhirnya penjumlahan 2 komponen: linier dari ARIMA dan nonlinier dari LSTM.

LSTM yang dibangun punya 2 lapisan tersembunyi dan 1 lapisan keluaran. Data dinormalkan dengan min-max scaler karena rentangnya lebar. Tiga hiperparameter disetel. Jumlah neuron dicoba 64 dan 128. Ukuran batch dicoba 16 dan 32. Epoch ditetapkan 100. Kombinasi optimal untuk kedua skema sama: 64 unit LSTM, batch 32, dropout 0,1, dan 100 epoch.

Tabel 1 naskah hanya mencantumkan kombinasi terpilih itu. Hasil 128 neuron dan batch 16 tidak ditampilkan dalam angka. Pembaca tidak bisa melihat seberapa jauh kombinasi lain tertinggal dari kombinasi 64 neuron.

80:20 Lawan 90:10 pada Tahap Prediksi

Data dibagi dengan 2 cara. Skema pertama memakai 80 persen data untuk pelatihan dan 20 persen untuk pengujian. Skema kedua memakai 90 persen untuk pelatihan dan 10 persen untuk pengujian. Kedua skema diuji untuk prediksi harga saham BRI dengan LSTM tunggal dan model hibrida.

LSTM tunggal lebih dulu diuji. Pada tahap prediksi, skema 80:20 mencatat RMSE 72,9708 dan MAPE 1,2543, dengan akurasi 98,7457 persen. Skema 90:10 lebih baik: RMSE 61,5799, MAPE 1,1746, dan akurasi 98,8254 persen.

Model hibrida pada tahap prediksi mencatat MAPE 0,0120 untuk skema 80:20, dengan akurasi 99,9880 persen. Skema 90:10 mencatat MAPE 0,0108 dengan akurasi 99,9892 persen. Angka RMSE-nya lebih janggal. Di Tabel 3, RMSE model hibrida tertulis 72,9708 dan 61,5799. Dua angka itu persis sama dengan RMSE LSTM tunggal di Tabel 2. Padahal MAPE kedua model berbeda jauh, 1,2543 berbanding 0,0120. Naskah tidak menjelaskan kesamaan itu.

Baca juga Dua Metode Hitung Amiloid-Beta Memberi Hasil yang Sama

RMSE 176,3081 Turun ke 169,0204 saat Meramal

Tahap peramalan memperlihatkan urutan yang sama. LSTM tunggal skema 80:20 mencatat RMSE 176,3081 dan MAPE 1,1088. Skema 90:10 mencatat RMSE 173,2573 dan MAPE 1,0450. Akurasinya masing-masing 98,8912 dan 98,9550 persen.

Model hibrida mencatat galat lebih rendah. Skema 80:20 mencatat RMSE 169,4864 dan MAPE 0,0298 persen. Skema 90:10 mencatat RMSE 169,0204 dan MAPE 0,0297 persen. Dari sini penulis menyimpulkan porsi data latih 90 persen lebih akurat.

Kesimpulan itu ditulis tegas. “Hasil ini menunjukkan bahwa pembagian 90:10 menghasilkan tingkat akurasi yang lebih tinggi,” tulis Dian Kurniasari dan rekan-rekannya. Mereka merekomendasikan pendekatan hibrida untuk prediksi harga saham BRI. Selisihnya tipis. ARIMA(0,1,2) tunggal pada tahap peramalan mencatat RMSE 170,3508, sedangkan model hibrida terbaik 169,0204.

Dua Angka di Tabel 5 yang Berlawanan Arah

Kolom akurasi di Tabel 5 justru terbalik. Skema 80:20 dengan MAPE 0,0298 persen tertulis berakurasi 99,9703 persen. Skema 90:10 dengan MAPE lebih kecil, 0,0297 persen, tertulis berakurasi 99,9702 persen.

Di tabel lain, akurasi selalu sama dengan 100 dikurangi MAPE. Contohnya LSTM skema 80:20 di Tabel 2, dengan MAPE 1,2543 dan akurasi 98,7457 persen. Pola itu tidak berlaku pada 2 baris Tabel 5. Angka RMSE juga berbeda antarbagian. Abstrak menulis RMSE skema 90:10 sebesar 169,0244, sedangkan Tabel 5 dan kesimpulan menulis 169,0204.

RMSE skema 80:20 tertulis 169,4864 di abstrak dan tabel, tetapi 169,4865 di kesimpulan. Selisih di angka keempat di belakang koma itu tidak diberi keterangan.

Baca juga Pasar Saham Asia Bergejolak Setelah AS Ancam Serang Iran

Penulis sendiri mencatat batas modelnya di halaman 287. “Namun, dalam kondisi tertentu, model ARIMA dapat menghasilkan RMSE yang lebih kecil dibandingkan model hibrida,” tulis mereka. Menurut penulis, prediksi ARIMA cenderung lebih halus dan stabil mengikuti tren linier.

Model hibrida bergerak sebaliknya. “Model hibrida yang melibatkan LSTM menghasilkan pola prediksi yang lebih berfluktuasi,” tulis keempat penulis. Sebabnya, model itu berupaya menangkap dinamika nonlinier yang kompleks. Fluktuasi itu mereka sebut memperkuat kemampuan model mewakili pola data. Naskah 17 halaman itu tidak memuat bagian keterbatasan tersendiri.

30 atau 60 Periode ke Depan

Model terakhir dipakai meramal harga penutupan dari 31 Oktober 2022 sampai 9 Desember 2022. Abstrak menyebut peramalan itu mencakup 60 periode. Bagian hasil menyebut 30 periode, dengan masukan 60 data historis harga penutupan terakhir.

Menurut abstrak, model meramalkan harga saham BRI terus naik sepanjang 60 periode itu. Arah tersebut disebut sejalan dengan tren data terbaru. Naskah tidak mencantumkan angka ramalan harian dalam tabel. Hasil prediksi harga saham BRI itu hanya disajikan lewat Gambar 10 sampai Gambar 13.

Angka terakhirnya 99,9702 persen, akurasi skema 90:10 di Tabel 5. Naskah tidak menjelaskan mengapa skema itu disebut lebih akurat daripada skema 80:20 yang tertulis 99,9703 persen.