PREDIKSI HARGA SAHAM PT. GOTO GOJEK–TOKOPEDIA MENGGUNAKAN GEOMETRIC BROWNIAN MOTION TERMODIFIKASI KALMAN FILTER DENGAN KONSTRAIN

STOCK PRICE PREDICTION USING GEOMETRIC BROWNIAN MOTION MODIFIED BY CONSTRAINED KALMAN FILTER 

Saham adalah salah satu instrumen pasar modal paling populer saat ini yang berpengaruh untuk kemajuan ekonomi negara. Saham didefinisikan sebagai kepemilikan investor atas investasinya atau sejumlah dana yang diinvestasikan pada suatu emiten. Harga saham terus mengalami fluktuasi setiap harinya tetapi banyak investor yang tetap berminat untuk melakukan investasi. Salah satu emiten yang memiliki peminat sangat banyak adalah PT. GoTo Gojek Tokopedia Tbk (GOTO). Model Geometric Brownian Motion (GBM) berguna untuk memodelkan harga saham jika nilai return dari suatu saham di masa lalu berdistribusi normal tetapi pada jangka waktu yang lama cenderung menghasilkan error yang cukup besar. Oleh karena itu, ditambahkan metode filtering Kalman Filter dan konstrain yaitu batasan sesuai dengan auto rejection untuk meminimalkan error. Berdasarkan simulasi dengan 100, 500, dan 1000 iterasi menggunakan model GBM menghasilkan nilai MAPE berturut-turut 10,19%, 9,46%, dan 8,09%. Hasil terbaik diperoleh pada 1000 iterasi dengan nilai MAPE 8,09%, tetapi hasil prediksi model GBM-KF menghasilkan nilai MAPE yang jauh lebih kecil yaitu 2,56%. Penambahan konstrain ke dalam model GBM-KF tidak berpengaruh secara signifikan namun diperoleh nilai MAPE yang berbeda yaitu 2,96%. Ketiga model memiliki akurasi peramalan tinggi dibawah 10%. Model GBM-KF adalah metode yang paling baik untuk memprediksi harga saham GOTO.

Stocks are one of the most popular capital market instruments today that are influential for the country’s economic progress. Shares are defined as an investor’s ownership of his investment or a number of funds invested in an issuer. Stock prices continue to fluctuate every day but many investors are still interested in investing. One of the issuers that has very many enthusiasts is PT GoTo Gojek Tokopedia Tbk (GOTO). The Geometric Brownian Motion (GBM) model is useful for modeling stock prices if the return value of a stock in the past is normally distributed but on a long period of time tends to produce a large enough error. The Kalman filter filtering method and constraints are added according to the auto rejection method to minimize the error. Based on simulations with 100, 500, and 1000 iterations with the GBM model produces MAPE values of 10.19%, 9.46%, and 8.09%, respectively. The best results were obtained at 1000 iterations with a MAPE value of 8.09%, but the prediction results of the GBM-KF model produced a much smaller MAPE value of 2.56%. The addition of constraints into the GBM-KF model does not have a significant effect but a different MAPE value of 2.96% is obtained. All three models have high forecasting accuracy below 10%. The GBM-KF model is the best method for predicting GOTO stock prices.