Katalog Tugas Akhir & Lulusan

ANALISIS MODEL ARIMA DAN XGBOOST DALAM FORECASTING HARGA SAHAM BANK TERBESAR DI INDONESIA

Fluktuasi harga saham di sektor perbankan blue chip Indonesia, seperti BBCA, BBRI, dan BBNI, memiliki volatilitas tinggi serta pergerakan non-linear yang menghadirkan tantangan signifikan bagi investor. Penelitian ini bertujuan membangun dan membandingkan performa model statistik tradisional, Autoregressive Integrated Moving Average (ARIMA), dengan model machine learning, Extreme Gradient Boosting (XGBoost). Kedua model diimplementasikan untuk melakukan regresi peramalan nilai harga penutupan saham untuk horizon waktu satu hari ke depan (H+1). Untuk mencegah data leakage, pembagian data latih dan data uji dilakukan secara sekuensial (chronological time-series split). Hasil pengujian menunjukkan bahwa model XGBoost mengungguli model ARIMA. ARIMA mencetak persentase kesalahan (MAPE) sebesar 1,48% pada BBCA, 1,57% pada BBRI, dan 1,60% pada BBNI. Sementara itu, XGBoost (XGBRegressor) dengan fitur lag 5 hari memberikan tingkat akurasi yang lebih superior dengan MAPE yang ditekan hingga 0,55% pada BBCA, 1,10% pada BBRI, dan 0,88% pada BBNI. Hasil studi ini menyimpulkan bahwa algoritma ensemble berbasis pohon lebih tangguh dalam menangkap fluktuasi harga saham yang asimetris. Model ini dikembangkan murni sebagai alat bantu analisis akademik dan tidak ditujukan sebagai nasihat investasi finansial.