Implementasi Rolling Forecast untuk Meningkatan Akurasi Peramalan Arima pada Saham Unilever

Abstract

PT Unilever Indonesia Tbk (UNVR) menghadapi tantangan volatilitas harga saham yang tinggi akibat dinamika pasar dan faktor eksternal yang berfluktuasi, sehingga menurunkan akurasi model peramalan konvensional. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham UNVR dengan menerapkan metode rolling forecast pada model ARIMA. Data yang digunakan merupakan data harga penutupan mingguan dari Januari 2015 hingga Januari 2025. Berdasarkan proses identifikasi Box–Jenkins dan pemilihan model menggunakan Akaike Information Criterion (AIC), model terbaik yang diperoleh adalah ARIMA(0,1,1). Hasil evaluasi menunjukkan bahwa penerapan rolling forecast secara signifikan meningkatkan kinerja model dengan penurunan MAPE dari 58,12% menjadi 3,44% dan MAE dari 1.481,51 menjadi 105,01, yang berarti peningkatan akurasi sebesar lebih dari 94%. Peningkatan ini menunjukkan bahwa pembaruan parameter model secara berkala efektif dalam menangkap perubahan tren harga terkini dan mengurangi bias prediksi. Secara praktis, hasil penelitian ini memberikan kontribusi bagi investor dan manajer portofolio dalam mengoptimalkan strategi pengambilan keputusan berbasis data dengan sistem peramalan yang lebih adaptif terhadap dinamika pasar saham.