Pengambilan keputusan investasi sangat bergantung pada peramalan harga saham, terutama untuk saham dengan volatilitas tinggi seperti Unilever Indonesia Tbk (UNVR). Metode peramalan konvensional seringkali menghasilkan prediksi yang kurang akurat karena ketidakstabilan harga saham. Penelitian yang diterbitkan dalam BAREKENG: Jurnal Ilmu Matematika dan Terapan menyelidiki masalah ini dan mengkaji penerapan pendekatan ensemble averaging dengan menggabungkan model ARIMA-GARCH dan Support Vector Regression (SVR) untuk meningkatkan akurasi prediksi harga saham UNVR.
Penelitian ini menggunakan data harga penutupan saham UNVR selama periode Januari 2019 hingga November 2023. Berdasarkan analisis, data menunjukkan adanya volatilitas yang tinggi dan pola heteroskedastisitas, yaitu kondisi ketika varians data berubah dari waktu ke waktu. Karakteristik tersebut membuat data kurang cocok jika hanya dimodelkan menggunakan satu pendekatan saja. Oleh karena itu, untuk mendapatkan hasil peramalan yang lebih baik, penelitian ini menggabungkan teknik machine learning dan statistik klasik.
Model ARIMA-GARCH digunakan untuk menangkap pola pergerakan harga saham sekaligus memodelkan volatilitas data. Hasil pemodelan menunjukkan bahwa kombinasi ARIMA(0,2,1)-GARCH(1,1) merupakan model terbaik dalam menggambarkan karakteristik data saham UNVR. Di sisi lain, Support Vector Regression (SVR) diterapkan untuk menangkap hubungan nonlinier dalam data yang tidak dapat dijelaskan sepenuhnya oleh model linear. SVR mampu memberikan hasil prediksi yang kompetitif dengan tingkat kesalahan yang relatif kecil.
Tahap selanjutnya adalah menggabungkan hasil prediksi dari kedua model tersebut menggunakan pendekatan ensemble averaging. Pendekatan ini dilakukan dengan mengambil rata-rata dari hasil prediksi ARIMA-GARCH dan SVR. Hasil evaluasi menunjukkan bahwa model ensemble menghasilkan akurasi yang lebih baik dibandingkan penggunaan model tunggal. Tingkat kesalahan prediksi yang diukur menggunakan Mean Absolute Percentage Error (MAPE) mengalami penurunan yang signifikan, sehingga menunjukkan bahwa pendekatan ensemble averaging lebih baik dalam memprediksi harga saham UNVR.
Hasil penelitian ini menegaskan bahwa penggabungan beberapa metode peramalan dapat meningkatkan kinerja prediksi harga saham. Pendekatan ensemble averaging dinilai mampu memanfaatkan keunggulan masing-masing model, baik dalam menangkap pola linear, volatilitas, maupun hubungan nonlinier. Dengan demikian, metode ini dapat dijadikan alternatif yang andal dalam peramalan harga saham, khususnya untuk data keuangan yang memiliki karakteristik kompleks dan berfluktuasi tinggi.
Penulis: Elly Pusporani, S.Si., M.Stat.
