BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan

BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Untuk menjawab tujuan yang telah ditetapkan, maka
kesimpulan yang dapat diambil dari hasil analisis dan
pembahasan dalam bab sebelumnya adalah sebagai berikut:
1. Pola harga saham pada beberapa negara yakni Indeks Harga
Saham Gabungan (IHSG) Indonesia, Dow Jones Industrial
Average (DJI) Amerika, FTSE100 London, Hang Seng Index
(HSI) Hongkong, Nikkei 225 (N225) Jepang, dan Strait Times
Index (STI) Singapura membentuk trend yang sama. Model
univariate time series menggunakan metode Autoregressive
Integrated Moving Average (ARIMA), serta pada beberapa
variabel menggunakan model ARIMA yang disertai deteksi
outlier. Model yang diperoleh pada variabel IHSG, HSI,
N225, dan STI adalah ARIMA dengan differencing 1. Namun
pada HSI dan N225 model ARIMA yang digunakan adalah
model ARIMA yang sudah random walk. Sedangkan pada
variabel DJI dan FTSE100 menggunakan model ARIMAX.
Pada model multivariate time series menggunakan model
Vector Autoregression. Model yang ditemukan adalah model
VAR dengan order satu difference satu.
2. Hasil pemodelan multivariate time series data harga saham
gabungan pada enam variabel dapat menunjukkan keterkaitan
antara satu variabel dengan variabel lainnya. Melalui
persamaan model VAR diketahui bahwa Indeks Harga Saham
Gabungan Indonesia dipengaruhi oleh indeks harga saham
Amerika dan Jepang. Sedangkan indeks harga saham
Amerika tidak dipengaruhi oleh indeks harga saham
manapun, namun indeks harga saham Amerika ini
mempengaruhi semua indeks harga saham yang lain. Indeks
harga saham London dipengaruhi oleh indeks harga saham
Amerika saja, begitu pula dengan indeks harga saham Jepang
73
74
dan Singapura. Sedangkan indeks harga saham Hongkong
selain dipengaruhi oleh indeks harga saham Amerika, juga
dipengaruhi oleh indeks harga saham Indonesia.
3. Nilai sMAPE yang diperoleh dari semua metode
menunjukkan angka yang relatif kecil. Hal ini menandakan
bahwa semua model yang didapatkan sangat baik. Diantara
model univariate dan multivariate time series ternyata
menghasilkan nilai sMAPE yang tidak terlampau jauh.
Seringkali dalam beberapa metode mengatakan bahwa
metode yang lebih rumit akan menghasilkan akurasi yang
lebih baik. Namun kenyataannya tidak selalu begitu.
Berdasarkan pengamatan yang telah dilakukan dapat dilihat
perbandingan nilai sMAPE yang dihasilkan pada kedua
model time series. Pada variabel IHSG dan DJI memiliki nilai
sMAPE yang lebih kecil ketika menggunakan model
peramalan multivariate time series. Namun pada keempat
variabel lainnya, nilai sMAPE yeng lebih kecil didapatkan
ketika menggunakan model peramalan univariate time series.
5.2 Saran
Untuk penelitian selanjutnya disarankan agar peneliti
melibatkan faktor lain yang menentukan pergerakan harga saham,
diantaranya seperti regulasi pemerintah, gejolak politik dalam
negeri, fluktuasi nilai tukar, dan sebagainya, sebab pada
penelitian ini belum melibatkan prediktor lain.