Perkembangan teknologi informasi dan transformasi digital yang kian pesat telah mengubah lanskap industri keuangan di Indonesia. Kesadaran masyarakat terhadap pentingnya investasi mendorong peningkatan jumlah investor ritel di pasar modal nasional. Dalam ekosistem Bursa Efek Indonesia (BEI), Indeks LQ45 menjadi salah satu indikator paling vital karena mencakup 45 emiten dengan kapitalisasi pasar tertinggi serta tingkat likuiditas yang sangat baik.
Meskipun Indeks LQ45 menawarkan prospek imbal hasil yang menarik, pergerakan harga saham pada hakikatnya bersifat acak, sangat fluktuatif, dan dipenuhi oleh tingkat ketidakpastian yang tinggi. Dinamika harga saham dari waktu ke waktu dipengaruhi oleh berbagai faktor internal maupun eksternal yang kompleks. Kondisi ini sering kali menyulitkan para pelaku pasar dalam mengambil keputusan investasi yang tepat, rasional, dan terukur.
Untuk menjawab tantangan fluktuasi harga tersebut, penerapan pemodelan statistik canggih berbasis Hidden Markov Model (HMM) menjadi pendekatan ilmiah yang sangat potensial. HMM merupakan metode probabilistik yang dirancang khusus untuk memodelkan sistem dengan kondisi tersembunyi (hidden states) yang tidak dapat diamati secara langsung. Dalam konteks finansial, kondisi tersembunyi ini merepresentasikan tren rezim pasar, dinamika ekonomi makro, hingga sentimen kolektif investor.
Berbeda dengan rantai Markov tradisional yang berasumsi bahwa semua variabel pasar dapat terlihat jelas, HMM unggul dalam menangkap ketergantungan waktu (temporal dependencies) pada data deret berkala (time series). Dibandingkan dengan arsitektur kecerdasan buatan seperti Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), maupun Convolutional Neural Network (CNN), pemodelan HMM menawarkan keunggulan berupa komputasi yang lebih efisien, transparan, serta terhindar dari kendala overfitting.
Dalam penerapannya pada Indeks LQ45, data histori pergerakan harga saham sepanjang tahun 2023 dimanfaatkan sebagai basis data latih (training data). Proses pelatihan ini bertujuan untuk mengidentifikasi pola transisi antar-keadaan serta parameter stokastik pasar. Selanjutnya, model diuji untuk melakukan prediksi terhadap pergerakan Indeks LQ45 pada kuartal pertama (Q1) tahun 2024 sebagai data uji (testing data).
Metode pengujian ketepatan model dilakukan melalui evaluasi inferensial menggunakan Paired t-Test dengan tingkat signifikansi sebesar 5 persen. Pengujian statistik ini berfungsi untuk membuktikan apakah terdapat perbedaan nyata antara harga saham aktual yang terjadi di pasar dengan nilai harga hasil prediksi yang dihasilkan oleh model HMM.
Hasil analisis statistik menunjukkan performa yang sangat impresif pada variabel harga pembukaan (Open). Nilai p-value yang diperoleh mencapai 0,51747, jauh melampaui ambang batas signifikansi 0,05. Angka ini membuktikan bahwa tidak ada perbedaan yang signifikan secara statistik antara data aktual dan data prediksi harga pembukaan, yang juga didukung oleh tingkat kesalahan Root Mean Squared Error (RMSE) yang sangat rendah sebesar 4,7503.
Keunggulan serupa juga ditemukan pada variabel harga penutupan (Close), di mana pemodelan HMM menghasilkan nilai p-value sebesar 0,28551. Tingkat kesalahan RMSE untuk harga penutupan tercatat sebesar 7,8992, yang terbukti jauh lebih presisi dibandingkan dengan hasil pengujian algoritma machine learning konvensional pada studi-studi terdahulu. Tingginya akurasi pada harga penutupan sangat krusial bagi investor dalam menentukan strategi perdagangan intraday maupun swing trading.
Penerapan HMM secara praktis memberikan wawasan yang sangat bernilai bagi investor individu maupun manajer investasi profesional. Dengan memahami probabilitas transisi keadaan pasar (state transitions), para pelaku pasar dapat mengantisipasi perubahan tren harga lebih awal, mengoptimalkan titik masuk (entry) dan keluar (exit), serta merancang strategi manajemen risiko portofolio yang lebih tangguh.
Secara makroekonomi, ketersediaan alat prediksi pasar modal yang handal dan objektif dapat meningkatkan transparansi serta efisiensi pasar finansial nasional. Pasar saham yang stabil dan terprediksi dengan baik akan memicu peningkatan kepercayaan investor domestik maupun asing. Hal ini pada akhirnya akan memperkuat proses pembentukan modal nasional dan mendorong pertumbuhan ekonomi Indonesia yang inklusif serta berkelanjutan.
Penulis: Dr. Dwi Rantini, S.Si
