 - Indrawan Indrawan.png)
Balikpapan – Tim peneliti Institut Teknologi Kalimantan (ITK) berhasil mempublikasikan hasil penelitian mengenai pemodelan tingkat pengembalian dan risiko investasi pada saham syariah. Penelitian ini membandingkan kemampuan dua model, yaitu Gated Recurrent Unit–Generalized Autoregressive Conditional Heteroskedasticity (GRU–GARCH) dan Double Exponential Smoothing–Generalized Autoregressive Conditional Heteroskedasticity (DES–GARCH), dalam menganalisis pergerakan tingkat pengembalian dan volatilitas saham PT Telekomunikasi Indonesia Tbk (TLKM).
Hasil penelitian tersebut telah diterbitkan dalam Journal of Mathematics, Computations, and Statistics (JMATHCOS), Volume 9, Nomor 2, September 2026, halaman 714–730, dengan judul “Comparative Modelling of Sharia-Compliant Stock Returns and Volatility Using GRU–GARCH and DES–GARCH: Evidence from Telkom Indonesia.”
Penelitian ini dilaksanakan oleh tim yang terdiri atas Indrawan, Fadeli Muhammad Habibie, Magdalena Effendi, Nurul Hidayat, Dewi Leonita Sari, Jesselyn Nixie Amadea, dan Nabela Ariyaninda Budi Astutik. Para penulis berasal dari Program Studi Ilmu Aktuaria, Teknologi Pangan, dan Statistika ITK. Kolaborasi lintas program studi ini menjadi salah satu bentuk kontribusi ITK dalam mengembangkan penelitian di bidang matematika terapan, peramalan, dan pengelolaan risiko keuangan.
Penelitian tersebut dilatarbelakangi oleh pentingnya pengukuran risiko dalam pengambilan keputusan investasi, khususnya pada pasar modal syariah. Perubahan harga saham tidak hanya memengaruhi potensi keuntungan investor, tetapi juga mencerminkan tingkat ketidakpastian yang perlu diperhatikan. Oleh karena itu, diperlukan metode yang mampu memperkirakan tingkat pengembalian sekaligus menggambarkan perubahan risiko investasi dari waktu ke waktu.
Dalam penelitian ini, tim menggunakan 2.463 data tingkat pengembalian harian saham TLKM selama periode Maret 2016 hingga Maret 2026. Data tersebut dianalisis menggunakan dua pendekatan yang memiliki karakteristik berbeda. Model GRU–GARCH menggabungkan teknologi deep learning dengan model statistik GARCH, sedangkan DES–GARCH memadukan metode pemulusan eksponensial dengan GARCH. Kedua pendekatan digunakan untuk membandingkan kemampuan model dalam memperkirakan tingkat pengembalian dan volatilitas saham.
Hasil penelitian menunjukkan bahwa model DES–GARCH memberikan kinerja yang lebih baik dibandingkan GRU–GARCH pada data yang digunakan. Berdasarkan ukuran ketepatan peramalan Mean Absolute Scaled Error (MASE), DES–GARCH menghasilkan nilai sebesar 0,914, lebih rendah dibandingkan GRU–GARCH sebesar 0,983. Sementara itu, berdasarkan ukuran kesalahan peramalan volatilitas QLIKE, DES–GARCH juga memperoleh nilai yang lebih rendah, yaitu 2,68 dibandingkan 2,83 pada GRU–GARCH. Nilai kesalahan yang lebih rendah menunjukkan bahwa model DES–GARCH memberikan hasil peramalan yang lebih akurat berdasarkan kedua ukuran tersebut.
Perbedaan ketepatan peramalan tingkat pengembalian juga diuji menggunakan metode Diebold–Mariano. Hasil pengujian menunjukkan bahwa keunggulan DES–GARCH dalam memperkirakan tingkat pengembalian saham signifikan secara statistik. Temuan ini memperlihatkan bahwa penggunaan metode yang lebih kompleks tidak selalu menghasilkan peramalan yang lebih akurat dibandingkan metode yang lebih sederhana.
Selain membandingkan ketepatan peramalan, penelitian ini mengevaluasi kemampuan kedua model dalam mengukur risiko investasi melalui pendekatan Value-at-Risk (VaR). Pendekatan tersebut digunakan untuk memperkirakan batas kerugian investasi pada tingkat keyakinan tertentu. Hasil pengujian menunjukkan bahwa DES–GARCH memiliki kesesuaian yang lebih baik dalam memperkirakan risiko kerugian saham TLKM. Model ini memenuhi kriteria pengujian Kupiec pada tingkat keyakinan 95% dan 99%, sedangkan GRU–GARCH tidak memenuhi kriteria tersebut pada kedua tingkat keyakinan.
Temuan penelitian ini memberikan gambaran bahwa pemilihan metode peramalan perlu mempertimbangkan karakteristik data dan hasil pengujian, bukan hanya tingkat kecanggihan model. Dalam kasus saham TLKM, pendekatan DES–GARCH mampu menghasilkan peramalan yang lebih akurat dengan model yang relatif lebih sederhana. Meskipun demikian, hasil tersebut tidak berarti bahwa metode deep learning selalu memiliki kinerja lebih rendah, karena kemampuannya dapat berbeda bergantung pada karakteristik data, variabel yang digunakan, dan rancangan penelitian.
Penelitian ini diharapkan dapat menjadi referensi bagi akademisi, peneliti, dan praktisi keuangan dalam mengembangkan metode peramalan serta pengukuran risiko investasi, khususnya pada pasar modal syariah. Hasilnya juga membuka peluang untuk penelitian lanjutan melalui penggunaan variabel ekonomi tambahan, pengembangan model volatilitas, dan penerapan metode pada saham maupun instrumen keuangan lainnya.
Pelaksanaan penelitian ini memperoleh dukungan dari Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) Institut Teknologi Kalimantan melalui skema Riset Dosen Pemula (RDP). Dukungan tersebut menjadi bagian dari upaya ITK dalam mendorong pengembangan penelitian yang relevan dengan perkembangan ilmu pengetahuan dan kebutuhan masyarakat.
Melalui publikasi ini, ITK terus berkontribusi dalam pengembangan ilmu pengetahuan, khususnya penerapan statistika, matematika, dan teknologi komputasi untuk mendukung analisis keuangan serta pengelolaan risiko investasi.