Prediksi Harga Saham Bank BRI Menggunakan Metode ANFIS dengan Penentuan Input Berbasis ACF dan PACF

Adelia Rova Chumairo; Aliya Octavia Ramadhani; Rachma Raudhatul Jannah; Dian Candra Rini Novitasari

doi:10.30591/jpit.v11i2.10142

Prediksi Harga Saham Bank BRI Menggunakan Metode ANFIS dengan Penentuan Input Berbasis ACF dan PACF

Adelia Rova Chumairo, Aliya Octavia Ramadhani, Rachma Raudhatul Jannah, Dian Candra Rini Novitasari

Abstract

Peramalan harga saham merupakan aspek penting dalam mendukung pengambilan keputusan investasi di pasar modal mengingat karakteristik data harga saham yang bersifat dinamis dan berfluktuasi. Penelitian ini bertujuan untuk membangun model prediksi harga saham PT Bank Rakyat Indonesia (Persero) Tbk. menggunakan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) dengan penentuan variabel masukan berdasarkan analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF). Data yang digunakan berupa data harga saham harian periode 3 Januari 2022 hingga 27 Oktober 2025. Sebelum proses pemodelan, data dinormalisasi untuk menyamakan skala nilai dan meningkatkan kestabilan proses pembelajaran. Selanjutnya, lag signifikan hasil analisis ACF dan PACF digunakan sebagai input dalam pembentukan dataset supervised learning pada ANFIS. Evaluasi kinerja model dilakukan menggunakan Mean Absolute Percentage Error (MAPE) dengan beberapa variasi learning rate. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada learning rate sebesar 0,01 dengan nilai MAPE pengujian sebesar 1,295085% yang termasuk dalam kategori sangat baik, serta hasil prediksi mampu mengikuti pola data aktual, sehingga metode ANFIS yang dikombinasikan dengan seleksi input berbasis ACF dan PACF dinilai efektif dalam merepresentasikan dinamika pergerakan harga saham.

Keywords

ANFIS, ACF, deret waktu, MAPE, Prediksi harga saham, PACF.

References

A. Damayanti and D. Agustina, “Implementasi Metode Adaptive Neuro Fuzzy Inference System (ANFIS) dalam Prediksi Harga Saham X,” Euler J. Ilm. Mat. Sains dan Teknol., vol. 12, no. 1, pp. 71–76, 2024, doi: 10.37905/euler.v12i1.25278.

Y. A. Sitompul and S. Sitepu, “Penerapan Metode Arima Dan Grey Theory Dalam Meramalkan Harga Saham Pt Indofood Sukses Makmur TBK,” Leibniz J. Mat., vol. 4, no. 1, pp. 12–22, 2024, doi: 10.59632/leibniz.v4i1.385.

KSEI Indonesia Central Securities Depository, “Statistik Pasar Modal Indonesia,” Publ. PT Kustodian Sent. Efek Indones., pp. 1–7, 2024.

R. D. Damayanti, M. Muchran, U. M. Makassar, and C. Author, “Retail Investor Surge in Response to Interest Rate Stability: A Case Study of the Indonesian Capital Market in 2025,” vol. 3, no. 4, pp. 847–853, 2025.

W. Y. Rusyida and V. Y. Pratama, “Prediksi Harga Saham Garuda Indonesia di Tengah Pandemi Covid-19 Menggunakan Metode ARIMA,” Sq. J. Math. Math. Educ., vol. 2, no. 1, p. 73, 2020, doi: 10.21580/square.2020.2.1.5626.

W. R. U. Fadilah, D. Agfiannisa, and Y. Azhar, “Analisis Prediksi Harga Saham PT. Telekomunikasi Indonesia Menggunakan Metode Support Vector Machine,” Fountain Informatics J., vol. 5, no. 2, p. 45, 2020, doi: 10.21111/fij.v5i2.4449.

M. S. Haque, M. S. Amin, J. Miah, D. M. Cao, and A. H. Ahmed, “Boosting Stock Price Prediction with Anticipated Macro Policy Changes,” J. Math. Stat. Stud., vol. 4, no. 3, pp. 29–34, 2023, doi: 10.32996/jmss.2023.4.3.4.

R. R. Wahid, F. T. Anggraeny, and B. Nugroho, “Implementasi Metode Extreme Learning Machine untuk Klasifikasi Tumor Otak pada Citra Magnetic Resonance Imaging,” Pros. Semin. Nas. Inform. Bela Negara, vol. 1, no. November 2020, pp. 16–20, 2020, doi: 10.33005/santika.v1i0.45.

Widi Hastomo, Sutarno, and Sudjiran, “Analisis Risiko Investasi dan Prediksi Saham Menggunakan Algortime Machine Learning,” J. Ilm. Komputasi, vol. 21, no. 3, pp. 453–462, 2022, doi: 10.32409/jikstik.21.3.3104.

A. Rizaldy and Antamil, “Exam Answer Detection using Proposed Nested Loop Pixel Checking Based on Image Processing,” JICTE (Journal Inf. Comput. Technol. Educ., vol. 4, no. 2, pp. 22–27, 2020, doi: 10.21070/jicte.v4i2.1019.

N. Fitriyani and S. Angkasa, “Prediksi Harga Saham Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Dan Adaptive Neuro Inference System (Anfis),” J. Ilm. Teknol. Inf. dan Komput. …, vol. 15, no. 1, pp. 1–8, 2020.

P. Kartikasari, “PREDIKSI HARGA SAHAM PT . BANK NEGARA INDONESIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE FRACTIONAL INTEGRATED MOVING AVERAGE ( ARFIMA ),” vol. 8, no. 1, pp. 1–7, 2020.

S. A. Harahap, S. N. Endah, U. Diponegoro, and D. Singapura, “PENERAPAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM UNTUK PREDIKSI,” vol. 10, no. January, pp. 37–47, 2018.

T. W. Septiarini, A. Rofiqo, E. Pariyanti, and S. Abdulmana, “Machine Translated by Google EVALUASI PRAKIRAAN ARIMA DAN ANFIS UNTUK PERKEMBANGAN EKONOMIS DI INDONESIA Aktivitas ekspor , yang didefinisikan sebagai penjualan barang atau jasa lintas batas negara , berfungsi sebagai indikator utama kekuatan ekonomi suat,” vol. 18, no. 1, pp. 93–104, 2025, doi: 10.14710/medstat.18.1.93-104.

Suratna, H. Widjanarko, and T. Wibawa, “Buku Investasi saham,” IPPM UPN “Veteran” Yogyakarta, pp. 2–4, 2020.

I. Widyastuti and S. Rahayu, “The Effect of Accounting Information on the Price Stock in Bank Companies Listed on Indonesia Stock Exchange,” J. Akunt. Dan Keuang., vol. 6, no. 2, pp. 1–10, 2021, [Online]. Available: http://e-journal.stie-aub.ac.id

N. W. Ningsih and M. Iqbal, “Prediksi Harga Saham Harian PT BTPN Syariah Tbk Menggunakan Model Arima dan Model Garch,” J. Ilm. Ekon. Islam, vol. 7, no. 03, pp. 1573–1580, 2021, [Online]. Available: http://jurnal.stie-aas.ac.id/index.php/jiedoi:http://dx.doi.org/10.29040/jiei.v7i3.2795

W. G. S. Parwita and N. K. N. P. Dewi, “Metode Autoregressive Integrate Moving Average Dalam Peramalan Indeks Harga Konsumen Kota Denpasar,” SmartEDU J., vol. 1, no. 4, pp. 158–170, 2022, [Online]. Available: https://ejournal.abivasi.id/index.php/SmartEDU

R. V. Suryani et al., “Penerapan Metode ARIMA Memprediksi Pakaian,” vol. 10, no. 03, 2022.

S. Engineering, “The Effect of Data Normalization on the Performance of the Classification Results of the Backpropagation Algorithm Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation,” vol. 2, no. 1, pp. 67–72, 2022.

F. I. Sanjaya, D. Heksaputra, U. T. Yogyakarta, F. Komputer, U. A. Ata, and H. Beras, “Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory 1,” vol. 7, no. 2, pp. 163–174, 2020.

F. M. Zerlinda, M. Z. Zaidan, N. Akifah, S. P. Devrida, and H. D. Sinaga, “Analisis logika Fuzzy Sugeno dan Pengambilan Keputusan untuk meningkatkan produksi roti manis pada Tandi’s Homemade Bakery,” J. Tek. Ind. Terintegrasi, vol. 7, no. 4, pp. 2539–2551, 2024, doi: 10.31004/jutin.v7i4.37688.

Z. Ngabidin, A. Sanwidi, and E. R. Arini, “[1] Z. Ngabidin, A. Sanwidi, and E. R. Arini, ‘Implementasi Metode Double Exponential Smoothing Brown Untuk Meramalkan Jumlah Penduduk Miskin,’ Euler J. Ilm. Mat. Sains dan Teknol., vol. 11, no. 2, pp. 328–338, 2023, doi: 10.37905/euler.v11i2.23054.Implem,” Euler J. Ilm. Mat. Sains dan Teknol., vol. 11, no. 2, pp. 328–338, 2023.

Ainun aziz, “Penggunaan Metode Anfis (Adaptive Neuro Fuzzy Inference System) Untuk Prediksi Beban Listrik Jangka Pendek,” JAMI J. Ahli Muda Indones., vol. 3, no. 1, pp. 83–94, 2022, doi: 10.46510/jami.v3i1.45.

D. Zatusiva et al., “ScienceDirect ScienceDirect Long Short-Term Memory Algorithm for Rainfall Prediction Based Long Short-Term Memory Algorithm for Rainfall Prediction Based on El-Nino and IOD Data on El-Nino and IOD Data,” Procedia Comput. Sci., vol. 179, no. 2019, pp. 829–837, 2021, doi: 10.1016/j.procs.2021.01.071.

DOI: https://doi.org/10.30591/jpit.v11i2.10142