PERBANDINGAN METODE AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DALAM MEMPREDIKSI DATA HARIAN HARGA SAHAM BANK CENTRAL ASIA (BBCA)

Penelitian ini bertujuan untuk melakukan analisis komparatif terhadap
performa dua model peramalan deret waktu, yaitu model Autoregressive
Integrated Moving Average (ARIMA) dan Autoregressive Fractionally Integrated
Moving Average (ARFIMA), dalam memprediksi harga penutupan saham harian
PT Bank Central Asia Tbk (BBCA). Data saham BBCA menunjukkan
karakteristik long memory yang signifikan, sebagaimana tercermin dari nilai Hurst
Exponent sebesar 0,821. Hal ini menunjukkan bahwa data mengandung
ketergantungan jangka panjang, sehingga pendekatan ARFIMA yang
mengakomodasi diferensiasi fraksional menjadi lebih sesuai dibandingkan model
ARIMA konvensional. Model terbaik yang diperoleh adalah ARIMA(2,1,2) dan
ARFIMA(1,d,1), dengan estimasi parameter fraksional pada model ARFIMA
dihitung menggunakan metode Geweke and Porter-Hudak (GPH). Evaluasi
performa prediksi dilakukan menggunakan tiga metrik akurasi: Mean Absolute
Percentage Error (MAPE), Root Mean Square Error (RMSE), dan Mean
Absolute Error (MAE). Hasil evaluasi menunjukkan bahwa ARFIMA
memberikan hasil peramalan yang lebih baik dibandingkan ARIMA. Nilai MAPE,
RMSE, dan MAE yang dihasilkan oleh ARFIMA masing-masing adalah 3,736%,
0,348, dan 0,313, sementara ARIMA menghasilkan 5,664%, 0,532, dan 0,471.
Berdasarkan hasil ini, dapat disimpulkan bahwa ARFIMA memiliki keunggulan
dalam memodelkan data deret waktu yang bersifat long memory serta
menghasilkan prediksi yang lebih akurat.
vii
viii
Kata Kunci: ARFIMA, ARIMA, BBCA Stock, Long Memory, MAE, MAPE,
RMSE.