PERAMALAN DERET WAKTU HARGA EMAS BERDASARKAN MODEL HYBRID AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE DAN EXTENDED KALMAN FILTER = Time Series Forecasting of Gold Prices Based on a Hybrid Autoregressive Fractionally Integrated Moving Average and Extended Kalman Filter Model

Latar Belakang. Data deret waktu harga emas umumnya bersifat nonstasioner dan menunjukkan karakteristik long memory, sehingga proses peramalannya menjadi kompleks. Model Autoregressive Fractionally Integrated Moving Average (ARFIMA) efektif dalam menangkap ketergantungan long memory melalui fractional differencing, namun memiliki keterbatasan dalam menghadapi hubungan nonlinear dan perubahan dinamika pasar yang bersifat adaptif. Extended Kalman Filter (EKF) merupakan pengembangan dari Kalman Filter yang mampu menangani sistem nonlinear melalui proses pelinieran dan pembaruan estimasi secara rekursif. Oleh karena itu, penggabungan ARFIMA dan EKF dalam suatu model hybrid diharapkan mampu memodelkan struktur long memory sekaligus meningkatkan akurasi peramalan melalui penyesuaian terhadap dinamika nonlinear pada data harga emas. Tujuan. Penelitian ini bertujuan untuk menghasilkan peramalan harga emas dunia periode 23 Januari 2022- 1 Januari 2024 dengan menggunakan model hybrid ARFIMA–EKF. Metode. Data yang digunakan merupakan data deret waktu harga emas mingguan sebanyak 527 observasi. Analisis dilakukan melalui dua tahap, yaitu pemodelan ARFIMA untuk menangkap pola linear dan karakteristik long memory, kemudian penerapan Extended Kalman Filter (EKF) pada residual ARFIMA untuk memperhalus hasil peramalan secara adaptif terhadap perubahan nonlinear. Hasil. Model ARFIMA terbaik yang diperoleh adalah ARFIMA(2,d,1) dengan nilai BIC terendah. Nilai parameter fractional d=0,378 mengindikasikan adanya sifat long memory yang kuat pada data harga emas. Integrasi ARFIMA dengan EKF menghasilkan model hybrid dengan kinerja peramalan yang sangat baik, ditunjukkan oleh nilai Mean Absolute Percentage Error (MAPE) sebesa 2,34% serta koefisien korelasi sebesar 0,892. Kesimpulan. Model hybrid ARFIMA–EKF terbukti lebih unggul dibandingkan model ARFIMA murni dalam menangkap dinamika data yang bersifat long memory dan nonlinear. Pendekatan ini menunjukkan tingkat akurasi peramalan yang sangat baik dan dapat dijadikan alternatif untuk peramalan data keuangan dengan volatilitas tinggi.

Keyword : ARFIMA; EKF; Long memory; Nonlinear; Harga Emas.