Penerapan Smooth Transition Autoregressive Menggunakan Estimasi Nonlinear Least Squares (Studi Kasus: Peramalan Harga Saham Bank Central Asia) = Application of Smooth Transition Autoregressive Using Nonlinear Least Squares Estimation (Case Study: Forecasting the Stock Price of Bank Central Asia)

Latar Belakang. Model Smooth Transition Autoregressive (STAR) merupakan pengembangan dari model Treshold Autoregressive dan Self-Exciting Treshold Autoregressive yang dirancang untuk menangani pola nonlinier melalui fungsi transisi smooth antar-regime. Fungsi transisi mengontrol perubahan struktur sehingga model STAR mampu menangkap pergeseran pola dinamika data. Estimasi parameter menggunakan metode Nonlinear Least Squares (NLS) yang sesuai untuk menangani fungsi transisi nonlinier dan memberikan estimasi parameter yang konsisten dan efisien. Tujuan. Penelitian ini bertujuan untuk memperoleh estimasi model STAR menggunakan metode NLS dan menghasilkan peramalan harga saham Bank Central Asia (BBCA). Metode. Data yang digunakan merupakan data harian harga penutupan saham BBCA yang telah ditransformasi menjadi data return. Data train mencakup periode 2014-2023, sedangkan data test mencakup periode 2024. Proses dimulai dengan menentukan model Autoregressive (AR) terbaik. Nilai lag p dari model AR digunakan sebagai lag m pada model STAR. Selanjutnya, dilakukan penentuan delay optimal dan pemilihan fungsi transisi terbaik. Terakhir, estimasi parameter model STAR dilakukan menggunakan metode NLS. Hasil. Model terbaik yang diperoleh adalah Logistic Smooth Transition Autoregressive (LSTAR) dengan lag m=2 dan delay =1. Model ini menghasilkan nilai Akaike Information Criterion sebesar -21.056,5118 dan Root Mean Square Error sebesar 0,0143, yang menunjukkan bahwa model memiliki goodness of fit yang baik serta memiliki pola peramalan yang relatif sama dengan nilai aktual. Kesimpulan. Model LSTAR menunjukkan efektivitas dalam menangkap pola nonlinier pada data saham berdasarkan nilai Mean Absolute Percentage Error sebesar 1,0671 yang menunjukkan tingkat kesalahan peramalan yang rendah dan koefisien korelasi sebesar 0,9406, yang menunjukkan bahwa nilai peramalan model mampu mengikuti nilai aktual.

Keyword : Nonlinear Least Squares, Pola Nonlinier, Saham, Smooth Transition Autoregressive, Time Series.