%A Adiguna Sutawa Wira 
%T IMPLEMENTASI MODEL VECTOR AUTOREGRESSIVE INTEGRATED
MOVING AVERAGE (VARIMA) PADA PERAMALAN DATA
PEMBUKAAN DAN PENUTUPAN SAHAM NETFLIX
%X Model VARIMA (Vector Autoregressive Integrated Moving Average) adalah
pengembangan dari model ARIMA (Autoregressive Integrated Moving Average)
yang digunakan untuk menangani data deret waktu multivariat, di mana lebih dari
satu variabel atau komponen deret waktu dipelajari secara simultan. Model ini
terdiri dari tiga komponen utama yaitu Vector Autoregressive (VAR), Differencing
dan Vector Moving Average (VMA). Penelitian ini bertujuan untuk meramalkan
harga saham pembukaan dan penutupan Netflix menggunakan model Vector
Autoregressive Integrated Moving Average (VARIMA). Data yang digunakan
adalah harga saham dari tahun 2014 hingga 2023, yang dianalisis dengan metode
time series multivariat. Uji stasioneritas dilakukan menggunakan uji Augmented
Dickey-Fuller (ADF) dan transformasi Box-Cox untuk memastikan data sesuai
dengan asumsi model. Model terbaik dipilih berdasarkan nilai Akaike Information
Criterion (AIC) dan Bayesian Information Criterion (BIC). Hasil analisis
menunjukkan bahwa model VARIMA(1,1,1) memberikan performa terbaik dengan
akurasi prediksi tinggi, ditunjukkan oleh nilai Mean Absolute Percentage Error
(MAPE) sebesar 0.0649% dan Root Mean Square Error (RMSE) sebesar 2492.
Model ini kemudian digunakan untuk peramalan harga saham untuk 6 bulan ke
depan, memberikan prediksi yang dapat membantu dalam pengambilan keputusan
investasi. Kesimpulannya, model VARIMA(1,1,1) merupakan alat yang akurat dan
andal dalam meramalkan pergerakan harga saham Netflix, memberikan wawasan
penting bagi investor dan analis.

Kata kunci : Peramalan, Time Series, VARIMA

The VARIMA (Vector Autoregressive Integrated Moving Average) model is an
extension of the ARIMA (Autoregressive Integrated Moving Average) model, used
to handle multivariate time series data, where more than one variable or time series
component is studied simultaneously. This model consists of three main
components: vector autoregressive (VAR), differencing, and vector moving
average (VMA). This study aims to forecast Netflix's opening and closing stock
prices using the Vector Autoregressive Integrated Moving Average (VARIMA)
model. This model consists of three main components: vector autoregressive
(VAR), differencing, and vector moving average (VMA). The data used includes
stock prices from 2014 to 2023, analyzed using multivariate time series methods.
Stationarity tests were conducted using the Augmented Dickey-Fuller (ADF) test
and Box-Cox transformation to ensure the data meets model assumptions. The best
model was selected based on the Akaike Information Criterion (AIC) and Bayesian
Information Criterion (BIC). The analysis results show that the VARIMA(1,1,1)
model delivers the best performance with high prediction accuracy, as indicated by
a Mean Absolute Percentage Error (MAPE) of 0.0649% and a Root Mean Square
Error (RMSE) of 2492. This model was then used to forecast stock prices for the
next six months, providing predictions that can aid in investment decision-making.
In conclusion, the VARIMA(1,1,1) model is an accurate and reliable tool for
forecasting Netflix stock price movements, offering valuable insights for investors
and analysts.
Keyword : Forecasting, Time Series, VARIMA

%C UNIVERSITAS LAMPUNG
%D 2024
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%L eprints84211