Prediksi Harga Saham Menggunakan ARIMA Outlier sebagai Pendekatan Awal Menuju Analisis AI Keuangan
DOI:
https://doi.org/10.51903/zwvk1v20Kata Kunci:
ARIMA Outlier, Outlier Detection, Stock Price Prediction.Abstrak
The development of artificial intelligence (AI) has driven innovation in financial analysis, including the prediction of volatile stock prices. This study aims to predict the stock price of PT Garudafood Putra Putri Jaya Tbk using an ARIMA model with Outlier handling as an initial approach towards a more adaptive prediction system. Daily closing price data from Yahoo Finance was analyzed through stationarity testing, ARIMA model identification, log-return-based Outlier detection, and performance evaluation using RMSE, MAE, and MAPE. The results show that ARIMA Outlier performs better than the basic ARIMA. The standard ARIMA produces a MAPE of 1.32% and an AIC of –899.46, while ARIMA with three dummy Outliers achieves a MAPE of 1.16% and an AIC of –900.37. The 14-day forecast shows a stable pattern in the range of Rp 370–371. In the test data, the basic ARIMA provided the best accuracy in mid-August, while ARIMA Outlier achieved the highest accuracy at the end of August with a prediction of Rp.370.2, which was very close to the actual price of Rp.370.4. These results show that handling Outliers improves the accuracy of the model, so that ARIMA Outlier can be used as a starting point for the development of an AI-based financial prediction system.
Unduhan
Referensi
Achmadi, N. (2023). Analisis Pengaruh Inflasi, Suku Bunga, Nilai Tukar Terhadap Harga Saham Sektor Perbankan Di Bursa Efek Indonesia Tahun 2021-2022. Jurnal Riset Akuntansi Mercu Buana, 9(2).
Agustianto, R., Purnamasari, I., & Suyitno, S. (2020). Analisis Data Ketinggian Permukaan Air Sungai Mahakam Daerah Kutai Kartanegara Tahun 2010-2016 Menggunakan Model Autoregressive Integrated Moving Average (ARIMA) Dengan Efek Outlier: Studi Kasus: Data Rata-rata Ketinggian Tiap Bulan Permukaan Air Sungai Mahakam, Tenggarong, Kalimantan Timur. Eksponensial, 11(1), 39–46.
Beeg, F. A. F., Paendong, M. S., & Mananohas, M. L. (2024). Penerapan Model ARIMA-GARCH untuk Peramalan Harga Emas Dunia. D’Cartesian: Jurnal Matematika Dan Aplikasi, 13(2), 73–79.
Fadhilah, D. N., Parmikanti, K., & Ruchjana, B. N. (2024). Peramalan Return Saham Subsektor Perbankan Menggunakan Model ARIMA-GARCH. Jurnal Fourier, 13(1), 1–19.
Fadliani, I., Purnamasari, I., & Wasono, W. (2021). Peramalan dengan metode sarima pada data inflasi dan identifikasi tipe Outlier (Studi Kasus: Data Inflasi Indonesia Tahun 2008-2014). Jurnal Statistika Universitas Muhammadiyah Semarang, 9(2), 109–116.
Jamila, A. U., Siregar, B. M., & Yunis, R. (2021). Analisis Runtun Waktu Untuk Memprediksi Jumlah Mahasiswa Baru Dengan Model Arima. Paradigma, 23(1), 85.
Kruba, R., Sofyan, H., Marshanda, D., & Syazana, N. (2025). Peramalan Saham Indofood di Indonesia Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Jurnal Manajemen Dan Keuangan, 14(1), 102–117.
Kusuma, N. P. N. (2024). Prediksi Harga Saham Blue Chip Pada Indeks Idx30 Menggunakan Algoritma Recurrent Neural Network (RNN). Ekonomi & Bisnis, 23(1), 90–97.
Laome, L., Wibawa, G. N. A., Raya, R., & Asbahuna, A. R. (2021). Forecasting time series data containing Outliers with the ARIMA additive Outlier method. Journal of Physics: Conference Series, 1899(1), 012106. IOP Publishing.
Melyani, C. A., Nurtsabita, A., Shafa, G. Z., & Widodo, E. (2021). Peramalan inflasi di Indonesia menggunakan metode autoregressive moving average (ARMA). Journal of Mathematics Education and Science, 4(2), 67–74.
Negara, A. K., & Febrianto, H. G. (2020). Pengaruh Kemajuan Teknologi Informasi Dan Pengetahuan Investasi Terhadap Minat Investasi Generasi Milenial Di Pasar Modal. Business Management Journal, 16(2), 81–95.
Nurman, S., & Nusrang, M. (2022). Analysis of rice production forecast in maros district using the box-jenkins method with the arima model. ARRUS Journal of Mathematics and Applied Science, 2(1), 36–48.
Pradana, B. L. (2025). Time Series Forecasting of LQ45 Stock Index Using ARIMA: Insights and Implications. Journal of Management, Accounting and Business Research, 1(1), 27–40.
PT Garudafood Putra Putri Jaya Tbk. (2025). Laporan Keuangan Konsolidasian Interim untuk Periode Enam Bulan yang Berakhir pada 30 Juni 2025.
Ririh, K. R., Laili, N., Wicaksono, A., & Tsurayya, S. (2020). Studi komparasi dan analisis swot pada implementasi kecerdasan buatan (Artificial Intelligence) di Indonesia. J@ Ti Undip: Jurnal Teknik Industri, 15(2), 122–133.
Saputra, J. E., & Febrianti, W. (2025). Application of Autoregressive Integrated Moving Average (ARIMA) for Forecasting Inflation Rate in Indonesia. Jurnal Matematika, Statistika Dan Komputasi, 21(2), 382–396.
Silalahi, R. N., & Muljono, M. (2024). Perbandingan Kinerja Metode Linear Regression, LSTM dan GRU Untuk Prediksi Harga Penutupan Saham Coco-Cola. Komputika: Jurnal Sistem Komputer, 13(2), 201–211.
Suseno, J., Asyhari, H., & Saputra, M. A. (2025). DAMPAK DIGITALISASI TERHADAP PERTUMBUHAN EKONOMI DI INDONESIA. Jurnal Dinamika Sosial Dan Sains, 2(1), 432–438.
Trydini, T. R., Helmi, H., & Huda, N. M. (2023). PREDIKSI HARGA SAHAM MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DENGAN INNOVATIONAL OUTLIER. BIMASTER: Buletin Ilmiah Matematika, Statistika Dan Terapannya, 12(1).
Utami, S. P., Sohibien, D., & Putra, G. (2021). Model ARIMA Musiman dengan Outlier untuk Peramalan Penumpang Pesawat Tujuan Domestik dari Bandara Soekarno Hatta di Masa Pandemi Covid-19. Warta Ardhia, 47(1), 17–26.
Wanda, I. S., Mufarroha, F. A., Jauhari, A., & Anamisa, D. R. (2025). Peramalan Produksi Padi Menggunakan Extreme Learning Machine (ELM) Dengan Deteksi Outlier. JUSIFOR: Jurnal Sistem Informasi Dan Informatika, 4(1), 51–58.
Yusvida, R., Windarko, N. A., & Setiawardhana, S. (2025). EVALUASI KINERJA MODEL ARIMA DALAM PERAMALAN KONSUMSI ENERGI GEDUNG BERTINGKAT. Briliant: Jurnal Riset Dan Konseptual, 10(3), 697–706.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Seminar Nasional Teknologi dan Multidisiplin Ilmu (SEMNASTEKMU)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
