Melola Discovery

← Melola Discovery

Jurnal

Pemodelan dan Peramalan Data Saham dengan Analisis Time Series menggunakan Python

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 3 (2020) · hlm. 714–718

ISSN
2613-9189
Terbit
2020-04-02
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Dalam makalah ini dilakukan pemodelan time series menggunakan software Python. Data yang digunakan adalah data saham PT Bank Negara Indoneia. Secara umum diketahui bahwa pergerakan saham di Indonesia sangat fluktuatif oleh karena itu perlu di lakukan prediksi untuk mengetahui kondisi dan mempersiapkan strategi untuk menghadapi penurunan atau pelonjakan harga saham. Dalam makalah ini diselidiki pula factor seasonal atau musiman, sehingga pada identifikasi model digunakan analisis time series Seasonal Autoregressive Integrated Moving Average (SARIMA) berbantuan software Jupyter Notebook berbahasa Python. Dalam analisis ini Python membantu untuk melakukan perhitungan dan visualisasi data agar lebih mudah dan efisien. Dalam menganalisis data saham dengan metode SARIMA menggunakan Python, langkah pertama yang dilakukan adalah mempersiapkan modul yang akan digunakan untuk analisis SARIMA, kemudian dilakukan preprocessing data dan indexing. Langkah selanjutnya adalah visualisasi data untuk mengetahui pola data secara umum. Mengikuti langkah metode Box Jenkins, dilakukan identifikasi dan diagnosa model. Pada studi kasus ini didapat model SARIMA (1,1,1) (0,1,1,12). Berdasarkan studi kasus dari model tersebut, dilakukan fitting model dan didapat Mean Square Error (MSE) sebesar 460418,82. Langkah terakhir adalah melakukan peramalan untuk beberapa periode mendatang.

Jaringan kolaborasi para penulis

40 penulis · 74 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Tadulako University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Zaenuri ZaenuriState University of Semarang3
Dedy KurniantoAfiliasi tidak diketahui3
Jannatun Khustia LubisAfiliasi tidak diketahui2
Mohammad AsikinState University of Semarang2
Muhammad AshimAfiliasi tidak diketahui2
Nur HasanahTadulako University2
Rohimatul AzizahAfiliasi tidak diketahui2
Fatkhurokhman FauziAfiliasi tidak diketahui2
Alfina AkmalinaAfiliasi tidak diketahui1
Elya Gita AstutiAfiliasi tidak diketahui1
Annisa IkrimahAfiliasi tidak diketahui1
Supriyono SupriyonoAfiliasi tidak diketahui1
Mohammad Jefrie Ilham AkbarAfiliasi tidak diketahui1
Faris Febri RahantoAfiliasi tidak diketahui1
Muhammad Nurul MuttaqinAfiliasi tidak diketahui1
WardonoAfiliasi tidak diketahui1
MunaAfiliasi tidak diketahui1
Tri Sri Noor AsihAfiliasi tidak diketahui1
St. Budi WaluyaAfiliasi tidak diketahui1
Rizki Ahid NurhasanahAfiliasi tidak diketahui1
Petronela Ivoni SusantyAfiliasi tidak diketahui1
Kartono KartonoState University of Semarang1
Luluk Ulfa ChasaniAfiliasi tidak diketahui1
Tri Sri Noor AsihAfiliasi tidak diketahui1
Wardono WardonoAfiliasi tidak diketahui1
Alif Aulia RahmanAfiliasi tidak diketahui1
Nurlaela Eka CahyatiAfiliasi tidak diketahui1
Dahayu WidyadhanAfiliasi tidak diketahui1
Rina Budi HastutiAfiliasi tidak diketahui1
Muhammad Arif Nurman AryaAfiliasi tidak diketahui1
Putri Anis QoriAfiliasi tidak diketahui1
Dhama Sekar OktafaniAfiliasi tidak diketahui1
Meishita Inelza PutriAfiliasi tidak diketahui1
Insyiraah Oxaichiko ArissintaAfiliasi tidak diketahui1
Indah Dwi SulistiyawatiAfiliasi tidak diketahui1
Detalia Noriza MunahefiAfiliasi tidak diketahui1
Firdha Dwi LestariAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Pemodelan dan Peramalan Data Saham dengan Analisis Time Series menggunakan Python</dc:title>
	<dc:creator>Prasetya, Bayu Dwi</dc:creator>
	<dc:creator>Pamungkas, Fajar Sodik</dc:creator>
	<dc:creator>Kharisudin, Iqbal</dc:creator>
	<dc:description xml:lang="en-US">Dalam makalah ini dilakukan pemodelan time series menggunakan software Python. Data yang digunakan adalah data saham PT Bank Negara Indoneia. Secara umum diketahui bahwa pergerakan saham di Indonesia sangat fluktuatif oleh karena itu perlu di lakukan prediksi untuk mengetahui kondisi dan mempersiapkan strategi untuk menghadapi penurunan atau pelonjakan harga saham. Dalam makalah ini diselidiki pula factor seasonal atau musiman, sehingga pada identifikasi model digunakan analisis time series Seasonal Autoregressive Integrated Moving Average (SARIMA) berbantuan software Jupyter Notebook berbahasa Python. Dalam analisis ini Python membantu untuk melakukan perhitungan dan visualisasi data agar lebih mudah dan efisien. Dalam menganalisis data saham dengan metode SARIMA menggunakan Python, langkah pertama yang dilakukan adalah mempersiapkan modul yang akan digunakan untuk analisis SARIMA, kemudian dilakukan preprocessing data dan indexing. Langkah selanjutnya adalah visualisasi data untuk mengetahui pola data secara umum. Mengikuti langkah metode Box Jenkins, dilakukan identifikasi dan diagnosa model. Pada studi kasus ini didapat model SARIMA (1,1,1) (0,1,1,12). Berdasarkan studi kasus dari model tersebut, dilakukan fitting model dan didapat Mean Square Error (MSE) sebesar 460418,82. Langkah terakhir adalah melakukan peramalan untuk beberapa periode mendatang.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2020-04-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/38116</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 3 (2020): PRISMA, Prosiding Seminar Nasional Matematika; 714-718</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/38116/15709</dc:relation>
</oai_dc:dc>