2107412051, Dylan Ogyville Prawiro (2025) Analisis Perbandingan Model ARIMA, SARIMAX dan TimeGPT Untuk Forecasting Saham. D4 thesis, Politeknik Negeri Jakarta.
![[thumbnail of Halaman Identitas Skripsi, Abstrak, BAB 1&5, Daftar Pustaka, Lampiran]](https://repository.pnj.ac.id/style/images/fileicons/text.png)
2107412051_Dylan Ogyville Prawiro_Halaman Identitas Skripsi.pdf
Download (1MB)
![[thumbnail of Isi (Bab 2 s/d Bab 4)]](https://repository.pnj.ac.id/style/images/fileicons/text.png)
2107412051_Dylan Ogyville Prawiro_Bab 2 dan Bab 4.pdf
Restricted to Hanya Civitas Akademika PNJ
Download (1MB)
![[thumbnail of Manuskrip Jurnal]](https://repository.pnj.ac.id/style/images/fileicons/text.png)
2107412051_Dylan Ogyville Prawiro_Jurnal.pdf
Restricted to Hanya Staff Repositori
Download (706kB)
Abstrak
Penelitian ini membandingkan kinerja tiga model peramalan time series ARIMA, SARIMAX, dan TimeGPT dalam memprediksi harga saham PT Astra International Tbk (ASII). Evaluasi dilakukan menggunakan metrik MAE, RMSE, dan MAPE terhadap data historis saham yang di prediksi dari 1 Juli 2024 hingga 30 Januari 2025. SARIMAX menunjukkan kinerja paling seimbang dan unggul secara keseluruhan, dengan nilai MAPE 1.62 Persen, MAE 0.086 Persen, dan RMSE 0.198 Persen. Model ini mampu menangkap pola historis dengan akurat serta mempertimbangkan variabel eksogen (harga pembukaan, tertinggi, terendah), sehingga cocok digunakan sebagai alat bantu utama untuk keputusan strategis seperti buyback saham. TimeGPT, model berbasis generative AI, memberikan akurasi dengan MAPE 1.80 Persen (horizon 1 hari) dan 1.81 Persen (horizon 7 hari). Meskipun demikian, MAE 0.095 Persen dan RMSE 0.201 Persen yang tinggi mengindikasikan adanya sensitivitas terhadap outlier. Oleh karena itu, TimeGPT efektif digunakan sebagai pelengkap analisis, terutama untuk skenario real-time dengan prediksi multivariabel dan eksklusi hari libur. ARIMA, sebagai baseline model klasik, menunjukkan MAE 0.024 Persen dan RMSE 0.272 Persen yang sangat rendah, namun mencatatkan MAPE tertinggi sebesar 4.86 Persen. Hal ini menunjukkan bahwa kesalahan kecil secara absolut menjadi signifikan secara proporsional, menjadikannya kurang ideal dalam konteks evaluasi berbasis persentase. Secara keseluruhan, SARIMAX direkomendasikan sebagai model utama dalam studi ini karena akurasi tinggi dan kestabilannya, sementara TimeGPT dapat digunakan sebagai alat pendukung analitik yang fleksibel dan adaptif terhadap dinamika pasar.
Tipe Dokumen: | Thesis / Skripsi / Tugas Akhir (D4) |
---|---|
Subjek: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
Bidang, Unit, atau Jurusan Yang Ditujukan: | Teknik Informatika dan Komputer > Teknik Informatika D4 |
User ID Pengunggah: | Dylan Ogyville |
Date Deposited: | 25 Jul 2025 06:15 |
Last Modified: | 25 Jul 2025 06:15 |
URI: | https://repository.pnj.ac.id/id/eprint/29570 |