<![CDATA[Indeks Harga Saham Gabungan (IHSG) memiliki peran penting sebagai indikator kondisi ekonomi dan pasar modal di Indonesia. Pergerakan nilai IHSG dipengaruhi oleh berbagai faktor, seperti jumlah uang beredar dan kinerja perusahaan di Indonesia. Ketidakstabilan akibat faktor tersebut menjadi tantangan dalam menghasilkan prediksi IHSG yang akurat. Untuk memodelkan pergerakan IHSG yang kompleks, Gerak Brown Geometrik (GBG) sering digunakan karena mampu merepresentasikan fluktuasi harga dengan unsur stokastik. Namun, GBG memiliki keterbatasan dalam menghadapi lonjakan harga mendadak dan memiliki error yang besar pada prediksi jangka panjang akibat parameternya yang konstan. Oleh karena itu, penelitian ini bertujuan mengembangkan GBG dengan pendekatan Jump Diffusion untuk menangkap lompatan harga secara tiba-tiba, serta mengkombinasikan GBG dengan Kalman Filter untuk mengestimasi parameter secara adaptif dan meningkatkan akurasi prediksi. Penelitian ini membandingkan akurasi dari metode GBG, GBG Kalman Filter, dan GBG Jump diffusion menggunakan nilai Mean Absolute Percentage Error (MAPE). Prediksi nilai IHSG menggunakan metode GBG, GBG Kalman Filter, dan GBG Jump Diffusion terbukti sangat akurat, ditunjukkan oleh nilai MAPE yang seluruhnya berada di bawah 10%. Hasil MAPE yang didapat dari setiap metode pada 500 iterasi sebagai berikut: GBG sebesar 1.0711%, GBG Kalman Filter sebesar 0.36%, dan GBG Jump Diffusion sebesar 0.9136 %. Hal ini menunjukkan bahwa metode GBG Kalman Filter dan GBG Jump Diffusion dapat memprediksi pergerakan nilai IHSG yang lebih baik dari GBG.]]>
Copyrights © 2025
