PERBANDINGAN AKURASI AUTOREGRESSIVE INTEGRATED MOVING AVERAGE DAN BAYESIAN STRUCTURAL TIME SERIES DALAM PERAMALAN HARGA SAHAM PT BANK NEGARA INDONESIA (PERSERO) TB

Autoregressive Integrated Moving Average (ARIMA) merupakan metode
peramalan deret waktu klasik yang berbasis pendekatan linier dan mengandalkan
sifat stasioner data, sedangkan Bayesian Structural Time Series (BSTS) adalah
metode peramalan berbasis pendekatan Bayesian yang mampu menangkap
komponen tren dan musiman secara eksplisit. Penelitian ini bertujuan untuk
melihat bagaimana pergerakan saham dan membandingkan akurasi kedua metode
tersebut dalam meramalkan harga saham PT Bank Negara Indonesia (Persero)
Tbk (BBNI). Data yang digunakan berupa harga penutupan mingguan selama
periode Januari 2022 hingga Mei 2025 sebanyak 175 observasi, yang dibagi
menjadi data data pelatihan (training) sebanyak 140 minggu dan data testing
sebanyak 35 minggu. Model ARIMA(2,1,1) dipilih berdasarkan kriteria AIC dan
uji diagnostik residual, sedangkan model BSTS dibangun melalui simulasi
Markov Chain Monte Carlo (MCMC) dengan spesifikasi tren lokal dan musiman
mingguan. Hasil evaluasi menggunakan Mean Absolute Percentage Error
(MAPE) menunjukkan bahwa model BSTS memiliki nilai MAPE sebesar
24.51%, lebih rendah dibandingkan model ARIMA sebesar 25.78%. Dengan
demikian, model BSTS dinilai lebih akurat dalam meramalkan harga saham
mingguan BBNI, terutama dalam kondisi data yang bersifat fluktuatif.
Kata kunci: Peramalan Harga Saham, ARIMA, BSTS, MAPE, BBNI