PEMODELAN ARTIFICIAL NEURAL NETWORKS - GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (NEURO-GARCH) UNTUK MEMPREDIKSI HARGA SAHAM PT SAMUDERA INDONESIA TBK

Pasar saham memiliki peran penting dalam perekonomian dan menjadi salah satu pilihan utama investor, termasuk saham PT Samudera Indonesia Tbk yang menunjukkan kenaikan signifikan dan volatilitas harga yang tinggi. Fluktuasi harga saham tersebut menuntut adanya metode prediksi yang akurat agar dapat membantu pengambilan keputusan investasi. Penelitian ini bertujuan untuk memprediksi harga saham PT Samudera Indonesia Tbk dengan menggunakan metode Neuro-GARCH, yaitu model gabungan antara Generalized Autoregressive Conditional Heteroskedasticity (GARCH) dan Artificial Neural Network (ANN). Data harga saham dianalisis terlebih dahulu menggunakan model GARCH untuk menangkap pola volatilitas, kemudian hasilnya digunakan sebagai input pada jaringan saraf tiruan tipe Multilayer Perceptron dengan beberapa konfigurasi neuron tersembunyi. Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) pada data pelatihan dan pengujian. Hasil penelitian menunjukkan bahwa model GARCH(1,1) merupakan model GARCH terbaik dengan nilai MAPE sebesar 2,8331 persen. Selanjutnya, model Neuro-GARCH dengan arsitektur jaringan (2–5–1) menghasilkan kinerja terbaik dengan nilai MAPE training sebesar 0,0099997 persen dan MAPE testing sebesar 0,0099999 persen. Perbandingan hasil menunjukkan bahwa model Neuro-GARCH memiliki tingkat akurasi yang lebih tinggi dibandingkan model GARCH konvensional. Dengan demikian, NeuroGARCH dapat dijadikan alternatif yang lebih baik dalam memprediksi harga saham PT Samudera Indonesia Tbk serta sebagai bahan pertimbangan bagi investor dalam pengambilan keputusan investasi.