<![CDATA[Penelitian ini bertujuan untuk menerapkan model Autoregressive Integrated Moving Average (ARIMA) meramalkan nilai penutupan Indeks Harga Saham Gabungan (IHSG) harian periode November 2024 hingga November 2025 yang mengandung missing value. Ditemukan sebanyak 121 data hilang yang menyebabkan ketidakteraturan interval waktu, sehingga dilakukan penanganan missing value menggunakan metode interpolasi linear. Tahapan analisis meliputi eksplorasi data, pengujian kestasioneran menggunakan uji Augmented Dickey-Fuller (ADF), differencing untuk mencapai kestasioneran, identifikasi model menggunakan ACF, PACF, dan Extended Autocorrelation Function (EACF), serta pemilihan model terbaik berdasarkan kriteria Akaike Information Criterion (AIC). Hasil analisis menunjukkan bahwa model ARIMA (0,1,1) merupakan model terbaik dengan nilai AIC terendah dibandingkan model kandidat lainnya. Model ini juga memenuhi asumsi diagnostik residual yang meliputi white noise, normalitas, dan homokedastisitas. Evaluasi akurasi model menunjukkan nilai RMSE sebesar 985,29 dan MAPE sebesar 11,61%, yang mengindikasikan kemampuan peramalan yang cukup baik. Dengan demikian, model ARIMA (0,1,1) dapat digunakan sebagai alat bantu dalam peramalan pergerakan IHSG dan mendukung pengambilan keputusan investasi.]]>
Copyrights © 2025
