Model Hibrida Time-Varying Vector Autoregressive Dan Neural Network Pada Indeks Saham Syariah Indonesia

Pergerakan Indeks Saham Syariah Indonesia (ISSI) dipengaruhi oleh berbagai faktor makroekonomi yang bersifat dinamis dan sering menunjukkan hubungan nonlinier. Model deret waktu konvensional seperti Vector Autoregressive (VAR) umumnya hanya mampu menangkap hubungan linier sehingga kurang optimal dalam merepresentasikan dinamika data. Oleh karena itu, penelitian ini bertujuan membangun model hybrid dengan mengombinasikan Time-Varying Vector Autoregressive (TV-VAR) dan Neural Network untuk meningkatkan akurasi pemodelan dan prediksi ISSI serta variabel makroekonomi terkait. Data yang digunakan meliputi ISSI, nilai tukar rupiah terhadap dolar Amerika, inflasi, dan neraca perdagangan pada periode Januari 2015 hingga Januari 2025. Pemodelan dilakukan menggunakan TV-VAR untuk menangkap hubungan dinamis antar variabel, kemudian residu model diuji menggunakan uji BDS untuk mendeteksi nonlinieritas. Residu tersebut selanjutnya dimodelkan menggunakan Neural Network berbasis Long Short-Term Memory (LSTM) guna menangkap pola iii nonlinier yang tidak dijelaskan oleh TV-VAR. Hasil penelitian menunjukkan bahwa model hibrida TV-VAR dan Neural Network menghasilkan performa prediksi yang lebih baik dibandingkan model TV-VAR tunggal, yang ditunjukkan oleh penurunan nilai Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Dengan demikian, pendekatan hybrid ini efektif untuk meningkatkan akurasi pemodelan deret waktu multivariat yang bersifat dinamis dan nonlinier