Proyek ini bertujuan untuk membandingkan kinerja dua metode time series yang populer, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Seasonal Autoregressive Integrated Moving Average (SARIMA), dalam memodelkan dan meramalkan nilai IHSG berdasarkan data historis Jakarta Stock Exchange Composite (JST). ARIMA merupakan model yang efektif untuk menangkap pola autoregresif dan moving average pada data yang telah dibuat stasioner, sedangkan SARIMA merupakan pengembangan ARIMA yang mampu mengakomodasi pola musiman (seasonality) yang mungkin terdapat dalam data.

Perbandingan Model ARIMA dan SARIMA pada Forecasting Indeks Harga Saham Gabungan (IHSG)

Penelitian ini menganalisis data penjualan mingguan Walmart menggunakan metode ARIMA. Analisis meliputi pembentukan data time series, uji stasioneritas menggunakan Augmented Dickey-Fuller (ADF), identifikasi model, pemilihan model menggunakan AIC, BIC, dan AICc, proses peramalan, serta evaluasi akurasi model.

Laporan ini disusun sebagai bagian dari pemenuhan tugas pada mata kuliah Topik dalam Statistika 1. Pembahasan dalam laporan ini berfokus pada simulasi dan pemodelan deret waktu menggunakan metode ARIMA (2,2,2), yang meliputi identifikasi model, estimasi parameter, serta evaluasi hasil pemodelan. Disusun oleh: Gracelinda Chrisageulis NIM: 233019040005