PREDIKSI IHSG MENGGUNAKAN VISIBILITY GRAPH DENGAN INTERPOLASI LINEAR DAN KUADRATIK

Abstract

Penelitian ini menggunakan metode visibility graph untuk memprediksi pergerakan Indeks Harga Saham Gabungan (IHSG). Penelitian mencakup pembentukan jaringan kompleks menggunakan visibility graph, pengukuran kemiripan dengan metode similarity berbasis random walk dan relative entropy, perhitungan nilai prediksi menggunakan interpolasi linear dan kuadratik, perbandingan kinerja dengan metode autoregressive integrated moving average (ARIMA), serta evaluasi hasil prediksi menggunakan mean absolute percentage error (MAPE). Metode similarity digunakan untuk menentukan node yang memiliki tingkat kemiripan terbesar terhadap node terakhir, kemudian node tersebut digunakan dalam proses interpolasi untuk memprediksi nilai periode berikutnya. Hasil penelitian menunjukkan bahwa metode visibility graph mampu memodelkan data IHSG dengan tingkat keakuratan yang sangat baik karena seluruh kombinasi metode menghasilkan nilai MAPE kurang dari 10%. Kombinasi similarity berbasis relative entropy dan interpolasi linear menghasilkan performa terbaik dengan nilai MAPE sebesar 3.15%. Selain itu, hasil prediksi mampu mengikuti pola pergerakan data aktual IHSG.