Penerapan Metode Hybrid Singular Spectrum Analysis-Extreme Learning Machine untuk Peramalan Harga Saham (Studi Kasus: Data Harian Harga Penutupan Saham PT Aneka Tambang Tbk)

Abstract

Pergerakan harga saham memiliki karakteristik yang fluktuatif sehingga diperlukan metode peramalan yang mampu menghasilkan prediksi secara akurat. Penelitian ini bertujuan untuk meramalkan harga penutupan saham PT Aneka Tambang Tbk serta menentukan metode dengan tingkat akurasi terbaik menggunakan Singular Spectrum Analysis (SSA), Extreme Learning Machine (ELM), dan hybrid Singular Spectrum Analysis-Extreme Learning Machine (SSA- ELM). Data yang digunakan berupa data harian harga penutupan saham pada periode Januari 2024 hingga Januari 2026 yang diperoleh dari Yahoo Finance sebanyak 544 data. Data dibagi menjadi 435 data training dan 109 data testing. SSA digunakan untuk mendekomposisi data deret waktu menjadi komponen tren, musiman, dan noise, sedangkan ELM digunakan untuk mempelajari pola nonlinier data. Hasil penelitian menunjukkan bahwa metode SSA menghasilkan pola peramalan yang cenderung meningkat secara bertahap, sedangkan metode ELM dan hybrid SSA-ELM menghasilkan pola peramalan yang mengalami kenaikan dan penurunan nilai. Berdasarkan nilai MAPE pada data testing, metode hybrid SSA- ELM memberikan tingkat akurasi terbaik dengan nilai sebesar 2,496% dibandingkan metode ELM sebesar 2,704% dan SSA sebesar 8,211%.