PENERAPAN MODEL MARKOV SWITCHING AUTOREGRESSIVE DALAM PERAMALAN HARGA SAHAM

Latar Belakang. Forecasting bertujuan untuk memprediksi kejadian mendatang menggunakan data historis. Model deret waktu seperti Autoregressive Integrated Moving Average, Generalized Autoregressive Conditional Heteroskedasticity dan lainnya, belum mampu menjelaskan adanya perubahan struktur. Model untuk mengatasi masalah perubahan struktur adalah Threshold Autoregressive (TAR), Self Exciting Threshold Autoregressive (SETAR) dan Markov Switching Model. Namun, model TAR dan SETAR tidak mempertimbangkan peluang untuk bertahan dalam satu model atau berpindah ke model lainnya. Salah satu bentuk dari Markov Switching Model ialah Markov Switching Autoregressive (MSAR) yang dapat menggambarkan perubahan keadaan fluktuatif, tetapi juga dapat mengestimasi peluang transisi antar state serta menghitung rata-rata durasi untuk setiap keadaan. Tujuan. Penelitian ini bertujuan untuk melakukan pemodelan dan penerapan model MSAR dalam peramalan data harga saham. Metode. Parameter MSAR diestimasi menggunakan metode Maximum Likelihood Estimation yang dikombinasikan filtering dan smoothing. Data yang digunakan data harga saham PT Aneka Tambang Tbk periode Oktober 2020 - Juni 2024. Hasil. Hasil analisis diperoleh bahwa model MSAR terbaik ialah model MS(2)-AR(1) dengan nilai matriks peluang transisi p_11 sebesar 0,90, p_12 sebesar 0,10, p_21sebesar 0,01, dan p_22 sebesar 0,99. Rata-rata durasi state 1 sekitar 10 bulan, dan state 2 sekitar 100 bulan. Mean Absolute Percentage Error pada model MS(2)-AR(1) sebesar 27% yang dikatakan cukup baik. Peramalan dilakukan untuk 1 bulan ke depan. Kesimpulan. Nilai peluang yang diperoleh menunjukkan bahwa lebih besar di state 2 dibandingkan nilai peluang state 1. Artinya, data harga saham PT Aneka Tambang Tbk untuk 1 bulan ke depan lebih cenderung berada di state 2.