Aplikasi Algoritma Viterbi dalam Hidden Markov Model untuk Menganalisis Trend Pasar Saham di Bursa Efek (Studi Kasus di PT. Bank Central Asia, Tbk.)
Abstract
This study aims to analyze and apply the Viterbi algorithm in the Hidden Markov Model on stock market trend movement data at PT Bank Central Asia, Tbk in 2022. At the initial stage, the closing stock price data of PT Bank Central Asia, Tbk for the next fifteen days is predicted using the ARIMA method. Then, the second stage is classifying closing stock data as a result of predictions. The third stage is to determine the parameters of the Hidden Markov Model. The fourth stage is to determine the Hidden State sequence with the Viterbi Algorithm, and the last stage is to analyze the application of the Viterbi Algorithm to the movement of the stock market trend. The results show that the Viterbi algorithm is used to determine the most optimal Hidden State sequence from a sequence of observed states. The right time for an investor to make a decision to sell shares is when the stock price is rising and the stock market trend is in a bullish position, namely on the March 4th, 10th, 16th, 17th and 21th 2022. Meanwhile, buying shares is when the stock price is down and the stock market trend is in a bearish position, namely on the March 3rd, 9th, 14th, 18th and 23th 2022.
Keywords: Hidden Markov Model, Stock Market Trends, Viterbi Algorithm.
Abstrak
Penelitian ini bertujuan untuk menganalisis dan mengaplikasikan algoritma Viterbi dalam Hidden Markov Model pada data pergerakan trend pasar saham di PT. Bank Central Asia, Tbk tahun 2022. Pada tahap awal dilakukan prediksi data harga saham penutupan PT Bank Central Asia, Tbk selama lima belas hari ke depan menggunakan metode ARIMA. Tahap kedua adalah mengklasifikasi data hasil dari prediksi. Tahapan ketiga adalah menentukan parameter-parameter Hidden Markov Model. Tahapan keempat menentukan barisan Hidden State dengan Algoritma Viterbi, dan tahap terakhir adalah menganalisis pengaplikasian Algoritma Viterbi pada pergerakan trend pasar saham. Hasil dari penelitian ini adalah bahwa algoritma Viterbi digunakan untuk menentukan barisan Hidden State yang paling optimal dari suatu barisan observed state. Waktu yang tepat seorang investor mengambil keputusan untuk menjual saham adalah ketika harga saham dalam keadaan naik dan trend pasar saham dalam posisi bullish yaitu pada tanggal 4, 10, 16, 17, dan 21 Maret 2022. Sedangkan untuk membeli saham adalah ketika harga saham dalam keadaan turun dan trend pasar saham dalam posisi bearish yaitu tanggal 3,9, 14, 18, dan 23 Maret 2022.
Keywords
Full Text:
PDFReferences
Bravely, I. (2023). Analisis pergerakan harga saham setelah layanan terhenti (Studi kasus PT Bank Syariah Indonesia Tbk.). Jurnal Mirai Management, 8(1), 231–236.
Hartati, H. (2017). Penggunaan metode arima dalam meramal pergerakan inflasi. Jurnal Matematika Sains dan Teknologi, 18(1), 1–10.
Mamonto, S., Langi, Y., & Rindengan, A. (2016). Penerapan hidden Markov model pada harga saham. D’CARTESIAN: Jurnal Matematika dan Aplikasi, 5(1), 35–41.
Pratiwi, R. S., & Utomo, D. B. (2017). Prediksi indeks saham syariah Indonesia menggunakan model hidden Markov. Jurnal Sains dan Seni ITS, 6(2), A24–A29.
Purnama, J., & Juliana, A. (2020). Analisa prediksi indeks harga saham gabungan menggunakan metode arima. Cakrawala Management Business Journal, 2(2), 454–468.
Putri, A. P., & Mesrawati, M. (2019). Pengaruh analisis teknikal terhadap trend pergerakan harga saham perusahaan subsektor hotel dan restoran. Jurnal Ekonomi dan Keuangan, 3(3), 324–343.
Rachpriliani, A. (2019). Pengaruh pengumuman right issue terhadap harga saham (Studi kasus pada sembilan perusahaan aneka industri yang tercatat di Bursa Efek Jakarta, Tahun 2016-2018). Jurnal Buana Akuntansi, 4(1), 59–76.
Sulaiman, R. H., Suarjaya, I. M. A. D., & Cahyawan, A. A. K. A. (2020). Optimalisasi formula default pada amibroker untuk analisis teknikal pada pasar saham. Jurnal Ilmiah Merpati, 8(3), 177-187.
Yulia, R., & Devianto, D. (2018). Penerapan hidden Markov model pada peramalan peluang perpindahan jumlah pengguna merk sim card di kalangan mahasiswa S1 Universitas Andalas. Jurnal Matematika UNAND, 7(2), 157–164.
Yuliyanti, R., & Arliani, E. (2022). Peramalan jumlah penduduk menggunakan model arima. Jurnal Kajian dan Terapan Matematika, 8(2), 114–128.
DOI: https://doi.org/10.17509/jem.v11i2.63743
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Mathematics Program Study, Universitas Pendidikan Indonesia
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.