Melola Discovery

← Melola Discovery

Jurnal

Prediksi Indeks Harga Saham Gabungan (IHSG) Menggunakan Algoritma Autoregressive Integrated Moving Average (ARIMA)

JUSS (Jurnal Sains dan Sistem Informasi) · Vol. 2 No. 2 (2021) · hlm. 11–17

DOI
10.22437/juss.v2i2.8449
ISSN
2614-8277
Terbit
2021-11-05
Penerbit
Prodi Sistem Informasi FST Universitas Jambi
Bahasa
en

Abstrak

There are various types of investment in Indonesia, one of which is the Indeks Harga Saham Gabungan (IHSG) or in English it is called the Indonesia Composite Index, ICI, or IDX Composite. IHSG is an important parameter to consider when making an investment considering that IHSG is a joint stock. This study aims to predict the price of the IHSG with data mining techniques using an algorithm that can be used as a reference for investors when making an investment. ARIMA is a model for generating estimates from historical data. Data in this study were collected from the monthly IHSG from January 4, 2010 - November 26, 2019. Based on the correlation plot, two autocorrelations (lag 1, lag 32) were found to be significant. This model can predict with an average percentage error of 0.004 so that this prediction is considered good enough to predict the stock price of the IHSG.

Jaringan kolaborasi para penulis

40 penulis · 127 tautan kepenulisan bersama · 14 lintas organisasi · menampilkan 40 yang paling banyak terhubung

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

  • Universitas Jambi
  • Universitas Gadjah Mada
  • Hasanuddin University
  • Institut Teknologi Sepuluh Nopember
  • 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
Edi SaputraUniversitas Jambi8
Dawam SuprayogiAfiliasi tidak diketahui7
Mauladi MauladiAfiliasi tidak diketahui6
Benedika Ferdian HutabaratUniversitas Jambi6
Novita SariAfiliasi tidak diketahui5
Daniel ArsaUniversitas Jambi5
Rizqa Raaiqa BintanaInstitut Teknologi Sepuluh Nopember3
Indra WeniUniversitas Jambi3
Dewi LestariHasanuddin University3
Reni AryaniAfiliasi tidak diketahui3
Zainil AbidinUniversitas Jambi2
Sigit IndrawijayaAfiliasi tidak diketahui2
Mutia Fadhila PutriAfiliasi tidak diketahui2
Tesa Ananda PutriUniversitas Jambi2
Notasonda Soni PutraUniversitas Jambi1
Andre Ilham SaputraAfiliasi tidak diketahui1
Shally YanovaAfiliasi tidak diketahui1
Azhari SnUniversitas Gadjah Mada1
Muksin AlfalahUniversitas Jambi1
Norman SyariefUniversitas Jambi1
Mutia Fadhila PutriAfiliasi tidak diketahui1
Indryani IndryaniAfiliasi tidak diketahui1
Akhmad Fikri RosyadiAfiliasi tidak diketahui1
Dedy SetiawanAfiliasi tidak diketahui1
Sylvia Kartika Wulan BhayangkariAfiliasi tidak diketahui1
Lucky Enggraini FitriAfiliasi tidak diketahui1
Rizqa Raaiqa BintanaAfiliasi tidak diketahui1
Teguh SumarsonoAfiliasi tidak diketahui1
Sugih SuhartiniAfiliasi tidak diketahui1
Dwi KurniawanAfiliasi tidak diketahui1
Yenny YuniartiAfiliasi tidak diketahui1
Mohamad IlhamiUniversitas Jambi1
SahrialAfiliasi tidak diketahui1
Tedjo SukmonoAfiliasi tidak diketahui1
Tia WulandariAfiliasi tidak diketahui1
Jodion SiburianAfiliasi 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://online-journal.unja.ac.id/index.php/JUSS/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 8 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">Prediksi Indeks Harga Saham Gabungan (IHSG) Menggunakan Algoritma Autoregressive Integrated Moving Average (ARIMA)</dc:title>
	<dc:creator xml:lang="en">Khaira, Ulfa</dc:creator>
	<dc:creator xml:lang="en">Utomo, Pradita Eko Prasetyo </dc:creator>
	<dc:creator xml:lang="en">Suratno, Tri </dc:creator>
	<dc:creator xml:lang="en">Gulo, Pikir Claudia Septiani </dc:creator>
	<dc:description xml:lang="en">There are various types of investment in Indonesia, one of which is the Indeks Harga Saham Gabungan (IHSG) or in English it is called the Indonesia Composite Index, ICI, or IDX Composite. IHSG is an important parameter to consider when making an investment considering that IHSG is a joint stock. This study aims to predict the price of the IHSG with data mining techniques using an algorithm that can be used as a reference for investors when making an investment. ARIMA is a model for generating estimates from historical data. Data in this study were collected from the monthly IHSG from January 4, 2010 - November 26, 2019. Based on the correlation plot, two autocorrelations (lag 1, lag 32) were found to be significant. This model can predict with an average percentage error of 0.004 so that this prediction is considered good enough to predict the stock price of the IHSG.</dc:description>
	<dc:publisher xml:lang="en">Prodi Sistem Informasi FST Universitas Jambi</dc:publisher>
	<dc:date>2021-11-05</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">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://online-journal.unja.ac.id/JUSS/article/view/8449</dc:identifier>
	<dc:identifier>10.22437/juss.v2i2.8449</dc:identifier>
	<dc:source xml:lang="en">JUSS (Jurnal Sains dan Sistem Informasi); Vol. 2 No. 2 (2019): Jurnal Sains dan Sistem Informasi; 11-17</dc:source>
	<dc:source>2614-8277</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://online-journal.unja.ac.id/JUSS/article/view/8449/9919</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2019 JUSS (Jurnal Sains dan Sistem Informasi)</dc:rights>
</oai_dc:dc>