SIMANGUNSONG, Christo Yodya Nathaniel (2026) Faktor-Faktor yang Mempengaruhi Preferensi Mahasiswa Statistika UNDIP dalam Pemilihan SIM Card Menggunakan Model Faktor Ortogonal. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (70kB)
	Text 3. Halaman Pengesahan I.pdf Download (192kB)
	Text 4. Halaman Pengesahan II.pdf Download (173kB)
	Text 5. Kata Pengantar.pdf Download (71kB)
	Text 6. Abstrak.pdf Download (69kB)
	Text 7. Abstract.pdf Download (53kB)
	Text 8. Daftar Isi.pdf Download (80kB)
	Text 12. BAB 1 Pendahuluan.pdf Download (139kB)
	Text 17. Daftar Pustaka.pdf Download (127kB)

Abstract

Data harga saham merupakan data deret waktu finansial yang
pergerakannya kompleks karena mengandung pola linear dan non-linear. Peramalan harga saham yang akurat menjadi krusial bagi investor untuk pengambilan keputusan strategis. Penelitian ini bertujuan untuk memodelkan dan meramalkan harga saham NVIDIA (NVDA) dengan menggunakan metode hybrid yang menggabungkan keunggulan model Autoregressive Integrated Moving Average (ARIMA) dan Artificial Neural Network (ANN). Metode ARIMA digunakan untuk menangkap pola linear dari data, sedangkan ANN digunakan untuk memodelkan sisa-sisa pola non-linear dari residual ARIMA. Data harga saham harian NVIDIA periode 21 September 2022 hingga 14 Agustus 2025 digunakan dalam penelitian ini. Setelah melalui tahap identifikasi, estimasi, dan uji diagnostik, model ARIMA([1,14], 1, [1,14]) terpilih sebagai model linear terbaik dengan nilai AIC sebesar 94,76. Residual dari model ini kemudian dimodelkan menggunakan ANN dengan arsitektur (5-2-1) yang dilatih menggunakan algoritma backpropagation. Hasil penelitian menunjukkan bahwa model hybrid ARIMAANN memiliki akurasi yang lebih unggul dibandingkan model ARIMA tunggal. Hal ini dibuktikan dengan nilai Mean Absolute Percentage Error (MAPE) model hybrid yang lebih kecil, yaitu sebesar 8,776%, dibandingkan dengan MAPE model ARIMA sebesar 9,360%. Peningkatan akurasi ini mengindikasikan bahwa penggabungan model ANN berhasil menangkap pola non-linear yang tidak dapat dimodelkan oleh ARIMA, sehingga menghasilkan peramalan yang lebih akurat.
Kata Kunci: Harga Saham, Peramalan, ARIMA, Artificial Neural Network, Hybrid, AIC, MAPE.

Actions (login required)

View Item