Deteksi Transisi Fase Memori pada Saham PT. Adaro Energy Indonesia Tbk. Menggunakan Split-Window Hurst Exponent
DOI:
https://doi.org/10.54082/jupin.2382Kata Kunci:
Ekonofisika, Eksponen Hurst, PT Adaro Energy Tbk, Rescaled Range Analysis, Transisi FaseAbstrak
Fluktuasi harga saham sektor energi merupakan sistem kompleks non-linear yang seringkali tidak dapat dijelaskan sepenuhnya oleh teori Random Walk klasik. Penelitian ini bertujuan untuk mengidentifikasi karakteristik memori pasar dan mendeteksi fenomena transisi fase pada saham PT Adaro Energy Indonesia Tbk (ADRO) menggunakan pendekatan Ekonofisika. Data time series harga penutupan harian diolah menggunakan metode Rescaled Range (R/S) Analysis yang dimodifikasi dengan algoritma Split-Window Hurst Exponent untuk menangkap dinamika pada skala waktu yang berbeda. Hasil simulasi komputasi menunjukkan adanya ketidaklinieran pada plot log-log (R/S), yang mengindikasikan keberadaan titik crossover pada time lag hari. Analisis tersegmentasi mengungkapkan dua rezim dinamis yang berbeda: (1) Rezim jangka pendek ( < 20 hari) yang memiliki sifat persistensi kuat dengan nilai Hurst = 0.64 , dan (2) Rezim jangka panjang ( > 20 hari) yang mengalami transisi menuju gerak stokastik acak dengan = 0.488. Temuan ini mengkonfirmasi bahwa pasar saham energi memiliki "memori" tren yang hanya bertahan efektif selama satu bulan perdagangan (sekitar 20 hari kerja) sebelum kembali ke kondisi ekuilibrium efisien. Metode deteksi crossover ini terbukti lebih akurat dalam memetakan efisiensi pasar dibandingkan estimasi Hurst tunggal konvensional, karena metode ini mampu mengungkap perubahan perilaku memori pasar yang tersembunyi pada skala waktu yang spesifik.
Referensi
Ahmed Memon, B., Aslam, F., Naveed, H. M., Ferreira, P., & Ganiev, O. (2024). Influence Of The Russia–Ukraine War And Covid-19 Pandemic On The Efficiency And Herding Behavior Of Stock Markets: Evidence From G20 Nations. Economies, 12(5). Https://Doi.Org/10.3390/Economies12050106
Aslam, F., Ferreira, P., Ali, H., & José, A. E. (2022). Application Of Multifractal Analysis In Estimating The Reaction Of Energy Markets To Geopolitical Acts And Threats. Sustainability (Switzerland), 14(10). Https://Doi.Org/10.3390/Su14105828
Aslam, F., Latif, S., & Ferreira, P. (2020). Investigating Long-Range Dependence Of Emerging Asian Stock Markets Using Multifractal Detrended Fluctuation Analysis. Symmetry, 12(7). Https://Doi.Org/10.3390/Sym12071157
Brandi, G., & Di Matteo, T. (2022). Multiscaling And Rough Volatility: An Empirical Investigation. International Review Of Financial Analysis, 84. Https://Doi.Org/10.1016/J.Irfa.2022.102324
Dai, Y.-S., Dai, P.-F., Goutte, S., Nguyen, D. K., & Zhou, W.-X. (2025). Moment Connectedness And Driving Factors In The Energy-Food Nexus: A Time-Frequency Perspective. Http://Arxiv.Org/Abs/2510.24174
Dwidja Purnomo, K., Dwi Anggraeni, I., & Riski, A. (2023). Analisis Pola Harga Saham Dengan Modifikasi Metode Eksponen Hurst Dan Box Counting.
Fama, E. F. (1970). Efficient Capital Markets: A Review Of Theory And Empirical Work*. In Source: The Journal Of Finance (Vol. 25, Number 2).
Fei, Y., Shao, X., Wang, G., Zhou, L., Xia, X., & He, Y. (2019). Effectiveness Of Electricity Derivatives Market Based On Hurst Exponent. E3s Web Of Conferences, 118. Https://Doi.Org/10.1051/E3sconf/201911802061
Franke, J., Härdle, W. K., & Hafner, C. M. (2018). Statistics Of Financial Markets An Introduction (Fifth). Springer. Https://Doi.Org/Https://Doi.Org/10.1007/978-3-030-13751-9
Gulo, C. G., & Cahyonowati, N. (2024). Pengaruh Overconfidence Bias, Herding Bias, Self-Attribution Bias, Dan Confirmation Bias Terhadap Pengambilan Keputusan Investasi Investor Pemula (Studi Kasus Pada Kspm Diponegoro). In Diponegoro Journal Of Accounting (Vol. 13, Number 4). Http://Ejournal-S1.Undip.Ac.Id/Index.Php/Accounting
Harabida, M., Radi, B., & Gueyie, J.-P. (2023). Esg Indices Efficiency In Five Mena Countries: Application Of The Hurst Exponent. Theoretical Economics Letters, 13(02), 183–201. Https://Doi.Org/10.4236/Tel.2023.132011
Hasan, S., & Ghosh, R. (2024). Exploring Mean Reversion Dynamics In Financial Markets: Insights From Hurst Exponent Analysis. Indonesia Capital Market Review, 16(2). Https://Doi.Org/10.7454/Icmr.V16i2.1180
Lahmiri, S. (2023). Multifractals And Multiscale Entropy Patterns In Energy Markets Under The Effect Of The Covid-19 Pandemic. Decision Analytics Journal, 7. Https://Doi.Org/10.1016/J.Dajour.2023.100247
Shah, P., Raje, A., & Shah, J. (2024). Patterns In The Chaos: The Moving Hurst Indicator And Its Role In Indian Market Volatility. Journal Of Risk And Financial Management, 17(9). Https://Doi.Org/10.3390/Jrfm17090390
Stanley, H. E., Amaral, L. A. N., Canning, D., Gopikrishnan, P., Lee, Y., & Liu, Y. (1999). Econophysics: Can Physicists Contribute To The Science Of Economics? In Physica A (Vol. 269). Www.Elsevier.Com/Locate/Physa
Xiao, L., & Sioofy Khoojine, A. (2024). Dynamic Anomaly Detection In The Chinese Energy Market During Financial Turbulence Using Ratio Mutual Information And Crude Oil Price Movements. Energies, 17(23). Https://Doi.Org/10.3390/En17235852
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Rizty Badri, Hadijah Hadijah, Muhammad Hafiz, Ira Safitri
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
