peramalan indeks harga saham gabungan · pdf filedengan memperhatikan tujuan, maka dari...

Click here to load reader

Post on 31-Jan-2018

228 views

Category:

Documents

3 download

Embed Size (px)

TRANSCRIPT

  • PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG)

    TERTINGGI BULAN DESEMBER 2013

    disusun untuk memenuhi Tugas Lapangan Mata Kuliah Metode Peramalan

    Disusun Oleh :

    1. Ilani Agustina M0110037

    2. Intan Purnomosari M0110042

    3. Aisyah Al Azizah M0111004

    4. Desy Prasiwi M0111018

    JURUSAN MATEMATIKA

    FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

    UNIVERSITAS SEBELAS MARET

    SURAKARTA

    2013

  • BAB I

    PENDAHULUAN

    1.1 Latar Belakang

    Indeks Harga Saham Gabungan (disingkat IHSG, dalam Bahasa Inggris

    disebut juga Jakarta Composite Index, JCI, atau JSX Composite) merupakan salah

    satu indeks pasar saham yang digunakan oleh Bursa Efek Indonesia (BEI; dahulu

    Bursa Efek Jakarta (BEJ)). Diperkenalkan pertama kali pada tanggal 1 April 1983,

    sebagai indikator pergerakan harga saham di BEJ, Indeks ini mencakup

    pergerakan harga seluruh saham biasa dan saham preferen yang tercatat di BEI.

    Hari Dasar untuk perhitungan IHSG adalah tanggal 10 Agustus 1982. Pada

    tanggal tersebut, Indeks ditetapkan dengan Nilai Dasar 100 dan saham tercatat

    pada saat itu berjumlah 13 saham.

    Dasar perhitungan IHSG adalah jumlah Nilai Pasar dari total saham yang

    tercatat pada tanggal 10 Agustus 1982. Jumlah Nilai Pasar adalah total perkalian

    setiap saham tercatat (kecuali untuk perusahaan yang berada dalam program

    restrukturisasi) dengan harga di BEJ pada hari tersebut. Formula perhitungannya

    adalah sebagai berikut:

    dimana p adalah Harga Penutupan di Pasar Reguler, x adalah Jumlah Saham, dan

    d adalah Nilai Dasar.

    Perhitungan Indeks merepresentasikan pergerakan harga saham di

    pasar/bursa yang terjadi melalui sistem perdagangan lelang. Nilai Dasar akan

    disesuaikan secara cepat bila terjadi perubahan modal emiten atau terdapat faktor

    lain yang tidak terkait dengan harga saham. Penyesuaian akan dilakukan bila ada

    tambahan emiten baru, HMETD (right issue), partial/company listing, waran dan

    http://id.wikipedia.org/wiki/Bahasa_Inggrishttp://id.wikipedia.org/wiki/Indeks_pasar_sahamhttp://id.wikipedia.org/wiki/Bursa_Efek_Indonesiahttp://id.wikipedia.org/wiki/Bursa_Efek_Jakartahttp://id.wikipedia.org/wiki/1_Aprilhttp://id.wikipedia.org/wiki/1983http://id.wikipedia.org/wiki/10_Agustushttp://id.wikipedia.org/wiki/1982http://id.wikipedia.org/wiki/10_Agustushttp://id.wikipedia.org/wiki/1982

  • obligasi konversi demikian juga delisting. Dalam hal terjadi stock split, dividen

    saham atau saham bonus, Nilai Dasar tidak disesuaikan karena Nilai Pasar tidak

    terpengaruh. Harga saham yang digunakan dalam menghitung IHSG adalah harga

    saham di pasar reguler yang didasarkan pada harga yang terjadi berdasarkan

    sistem lelang.

    Perhitungan IHSG dilakukan setiap hari, yaitu setelah penutupan

    perdagangan setiap harinya. Dalam waktu dekat, diharapkan perhitungan IHSG

    dapat dilakukan beberapa kali atau bahkan dalam beberapa menit, hal ini dapat

    dilakukan setelah sistem perdagangan otomasi diimplementasikan dengan baik.

    1.2 Rumusan Masalah

    1. Bagaimana pola data IHSG tertinggi untuk bulan Januari 2007 sampai

    dengan Desember 2012?

    2. Metode peramalan apakah yang dapat digunakan untuk meramalkan

    IHSG tertinggi bulan Desember 2013?

    3. Berapakah nilai peramalan IHSG tertinggi bulan Desember 2013?

    1.3 Tujuan

    1. Menentukan pola data IHSG tertinggi untuk bulan Januari 2007 sampai

    dengan Desember 2012.

    2. Menentukan metode peramalan yang dapat digunakan untuk

    meramalkan IHSG tertinggi bulan Desember 2013.

    3. Meramalkan nilai IHSG tertinggi bulan Desember 2013.

    1.4 Manfaat

    Dengan memperhatikan tujuan, maka dari penelitian ini diharapkan

    dapat memberikan manfaat baik teoritis maupun praktis.

    1. Manfaat teoritis

    a. Memberikan wawasan dan pengetahuan yang lebih mendalam

    mengenai nilai indeks harga saham gabungan bursa efek Indonesia.

  • b. Memberikan pengetahuan bagi pembaca bagaimana cara dan

    langkah meramalkan suatu nilai data runtun waktu dengan

    menggunakan software Minitab dan metode peramalan.

    2. Manfaat praktis

    Dapat dimanfaatkan untuk mengetahui nilai peramalan Indeks

    Harga Saham Gabungan tertinggi bulan Desember 2013.

  • BAB II

    LANDASAN TEORI

    Untuk menganalisis data berkala (time series), diperlukan teori-teori yang

    mendukung dengan menggunakan metode maupun teknik yang sesuai dengan

    tujuan di atas.

    2.1 Pengertian Peramalan

    Menurut Sudjana (1988), meramal sesungguhnya adalah menduga atau

    memprediksi peristiwa di masa depan dan bertujuan memperkecil resiko yang

    mungkin terjadi akibat suatu pengambilan keputusan. Karena ramalan tidak dapat

    sepenuhnya menghilangkan risiko, maka faktor ketidakpastian harus diperhatikan

    secara eksplisit dalam proses pengambilan keputusan.

    Peramalan diperlukan karena adanya perbedaan kesenjangan waktu (time

    lag) antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu

    pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka

    peran peramalan begitu penting dan sangat dibutuhkan, terutama dalam penentuan

    kapan terjadi suatu sehingga dapat dipersiapkan tindakan yang perlu dilakukan.

    Metode peramalan akan membantu dalam mengadakan pendekatan analisa

    terhadap tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan

    cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta

    memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil ramalan yang

    dibuat.

    Menurut Supranto (1984), forecasting atau peramalan adalah

    memperkirakan sesuaru pada waktu-waktu yang akan datang berdasarkan data

    masa lampau yang di analisis secara ilmiah, khususnya menggunakan metode

    statistika. Menurut Sohfjan Assauri (1993), peramalan merupakan seni dan ilmu

    dalam memprediksi kejadian yang mungkin dihadapi pada masa yang akan

    datang. Dengan digunakan peralatan metode-metode peramalan maka akan

    memberikan hasil peramalan yang lebih dapat dipercaya ketetapannya. Oleh

    karena masing-masing metode peramalan berbeda-beda, maka penggunaannya

  • harus hati-hati terutama dalam pemilihan metode untuk penggunaan dalam kasus

    tertentu.

    Langkah-langkah untuk melakukan peramalan antara lain :

    a. Merumuskan atau menentukan masalah yang akan dianalisis

    b. Mengumpulkan data yang diperlukan dalam peramalan

    c. Membuat model dan evaluasi yang sesuai dengan pola data

    d. Menghitung kesalahan pada setiap metode yang digunakan

    e. Memilih metode yang terbaik

    f. Melakukan peramalan data mendatang

    Peramalan yang baik adalah peramalan yang menghasilkan nilai eror

    seminim mungkin. Untuk mengukur keefektifan suatu peramalan maka digunakan

    suatu ukuran standar statistik yang bisa kita peroleh dari hasil pengolahan data

    menggunakan software.

    2.2 Macam-macam Pola Data

    Salah satu aspek yang paling penting dalam penyeleksian metode

    peramalan yang sesuai untuk data runtun waktu adalah untuk mempertimbangkan

    perbedaan tipe pola data. Ada empat tipe umum pola data :

    a. Pola stasioner terjadi bila nilai-nilai data berfluktuasi di sekitar nilai

    rata-rata yang konstan. Metode yang dapat digunakan untuk data

    berpola stasioner adalah Naive, Simple Average, Moving Average,

    Single Exponential Smoothing.

    b. Pola musiman terjadi bila suatu deret dipengaruhi oleh faktor musiman

    yang ditandai dengan adanya pola perubahan yang berulang secara

    otomatis dari tahun ke tahun. Metode yang dapat digunakan untuk

    data berpola musiman adalah Naive, Seasional Exponential Smoothing,

    Adaptive Filtering, Classical Decomposition, Cencus X-12, Box-

    Jenkins, Time Series Multiple Regression.

    c. Pola siklis terjadi bila datanya dipengaruhi oleh fluktuasi ekonomi

    jangka panjang. Metode yang dapat digunakan untuk data berpola

    siklis adalah Multiple Regression, Box-Jenkins, Leading Indicator,

    Econometric Model.

  • d. Pola trend terjadi bila terdapat kenaikan atau penurunan sekuler jangka

    panjang dalam data. Metodde yang dpat digunakan untuk data berpola

    trend adalah Naive, Simple Average, Single Exponential Smoothing,

    Double Exponential Smoothing, Simple Regression, Exponential Trend

    Model, S-Curve Fitting, Gompertz Model, Growth Curves.

    Pola data dapat dianalisis dengan menggunakan autokorelasi.

    ,...2,1,0 ,

    1

    2

    1

    k

    YY

    YYYY

    rn

    t

    t

    n

    kt

    ktt

    k

    dimana,

    kr = Koefisien autokorelasi untuk sebuah lag dari peride ke- k

    tY = Observasi dalam periode waktu ke- t

    ktY = Observasi k perode sebelumnya atau waktu periode (t-k)

    Y = Rata-rata dari nilai time series

    Jika data berkala tersebut random, hampir semua koefisien autokorelasi

    terletak di dalam interval kepercayaan dengan standar eror yang kecil. Tiap-tiap

    koefisien autokorelasi berada dalam interval kepercayaan yang diberikan :

    tkrSEZ )(0

    dimana

    n

    r

    rSE

    k

    i

    i

    k

    1

    1

    221

    )( ,

    dengan

    tkrSE )( = Standar eror dari autokorelasi pada lag k

    ir = autokorelasi pada lag i

    k = lag

    n = jumlah observasi dalam data berkala

  • 2.3 Metode Peramalan

    A. Metode Naive