library(readr)
BRI <- read_csv("C:/Users/Lenovo/Downloads/BRI (2022-2024).csv")
Mandiri <- read_csv("C:/Users/Lenovo/Downloads/Mandiri (2022-2024).csv")
BNI <- read_csv("C:/Users/Lenovo/Downloads/BNI (2022-2024).csv")
str(BRI)
## spc_tbl_ [155 × 7] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ Date : chr [1:155] "12/29/2024" "12/22/2024" "12/15/2024" "12/08/2024" ...
## $ Price : num [1:155] 4150 4100 4060 4170 4310 4250 4400 4470 4520 4700 ...
## $ Open : num [1:155] 4080 4130 4150 4310 4270 4420 4440 4470 4710 4770 ...
## $ High : num [1:155] 4240 4250 4290 4430 4370 4530 4460 4610 4770 4870 ...
## $ Low : num [1:155] 4070 4080 4050 4170 4160 4250 4250 4370 4520 4630 ...
## $ Vol. : chr [1:155] "469.93M" "510.33M" "1.49B" "1.07B" ...
## $ Change %: chr [1:155] "1.22%" "0.99%" "-2.64%" "-3.25%" ...
## - attr(*, "spec")=
## .. cols(
## .. Date = col_character(),
## .. Price = col_number(),
## .. Open = col_number(),
## .. High = col_number(),
## .. Low = col_number(),
## .. Vol. = col_character(),
## .. `Change %` = col_character()
## .. )
## - attr(*, "problems")=<externalptr>
str(Mandiri)
## spc_tbl_ [155 × 7] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ Date : chr [1:155] "12/29/2024" "12/22/2024" "12/15/2024" "12/08/2024" ...
## $ Price : num [1:155] 5800 5800 5675 6025 6225 ...
## $ Open : num [1:155] 5675 5800 5900 6175 6175 ...
## $ High : num [1:155] 5875 5875 6100 6400 6450 ...
## $ Low : num [1:155] 5650 5725 5600 5975 5975 ...
## $ Vol. : chr [1:155] "237.76M" "170.28M" "757.01M" "461.26M" ...
## $ Change %: chr [1:155] "0.00%" "2.20%" "-5.81%" "-3.21%" ...
## - attr(*, "spec")=
## .. cols(
## .. Date = col_character(),
## .. Price = col_number(),
## .. Open = col_number(),
## .. High = col_number(),
## .. Low = col_number(),
## .. Vol. = col_character(),
## .. `Change %` = col_character()
## .. )
## - attr(*, "problems")=<externalptr>
str(BNI)
## spc_tbl_ [155 × 7] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
## $ Date : chr [1:155] "12/29/2024" "12/22/2024" "12/15/2024" "12/08/2024" ...
## $ Price : num [1:155] 4540 4360 4260 4730 4860 4980 4840 4910 4980 5200 ...
## $ Open : num [1:155] 4340 4320 4610 4890 4980 ...
## $ High : num [1:155] 4630 4430 4720 5175 5000 ...
## $ Low : num [1:155] 4270 4320 4260 4720 4710 ...
## $ Vol. : chr [1:155] "177.27M" "87.97M" "415.20M" "241.63M" ...
## $ Change %: chr [1:155] "4.13%" "2.35%" "-9.94%" "-2.67%" ...
## - attr(*, "spec")=
## .. cols(
## .. Date = col_character(),
## .. Price = col_number(),
## .. Open = col_number(),
## .. High = col_number(),
## .. Low = col_number(),
## .. Vol. = col_character(),
## .. `Change %` = col_character()
## .. )
## - attr(*, "problems")=<externalptr>
dataBRI <- data.frame(Time = as.Date(BRI$Date, format='%m/%d/%Y'), Price = BRI$Price)
dataMandiri <- data.frame(Time = as.Date(Mandiri$Date, format='%m/%d/%Y'), Price = Mandiri$Price)
dataBNI <- data.frame(Time = as.Date(BNI$Date, format='%m/%d/%Y'), Price = BNI$Price)
library(ggplot2)
library(ggpmisc)
ggplot(dataBRI, aes(x=Time, y=Price)) +
geom_line() +
xlab("Date") +
scale_x_date(date_labels = "%b %Y", date_breaks = "2 months") +
ggtitle("Harga Saham BRI") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 50, hjust = 1),
plot.title = element_text(hjust = 0.5)) +
geom_vline(xintercept = as.Date("2024-01-01"), linetype = 2, color = 2, linewidth = 1) +
geom_vline(xintercept = as.Date("2023-01-01"), linetype = 2, color = 2, linewidth = 1) +
stat_peaks(geom="point", span=15, color="steelblue3", size=2) +
stat_peaks(geom="label", span=15, color="steelblue3", angle=0, hjust=-0.1, x.label.fmt = "%d/%m/%y") +
stat_peaks(geom="rug", span=15, color = "blue", sides = "b")
Grafik ini menunjukkan pergerakan harga saham BRI dari awal 2022 hingga akhir 2024, dengan tren yang mengalami fluktuasi signifikan. Secara umum, harga saham mengalami kenaikan bertahap sejak 2022 hingga mencapai puncaknya pada 3 Maret 2024 di sekitar 6700, sebelum akhirnya mengalami tren penurunan hingga akhir 2024. Beberapa titik puncak lainnya terlihat pada 24 April 2022, 11 Desember 2022, 21 Mei 2023, dan 23 Juli 2023, di mana setelahnya terjadi koreksi atau penyesuaian harga. Meskipun pada 15 September 2024 harga saham sempat mengalami kenaikan kembali, nilainya tidak mampu melampaui puncak sebelumnya. Setelah titik tersebut, harga saham terus mengalami penurunan hingga akhir tahun 2024. Hal ini menunjukkan bahwa meskipun saham BRI sempat mengalami pertumbuhan yang kuat, ada periode volatilitas dan koreksi pasar yang memengaruhi pergerakan harga dalam jangka panjang.
ggplot(dataBNI, aes(x=Time, y=Price)) +
geom_line() +
xlab("Date") +
scale_x_date(date_labels = "%b %Y", date_breaks = "2 months") +
ggtitle("Harga Saham BNI") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 50, hjust = 1),
plot.title = element_text(hjust = 0.5)) +
geom_vline(xintercept = as.Date("2024-01-01"), linetype = 2, color = 2, linewidth = 1) +
geom_vline(xintercept = as.Date("2023-01-01"), linetype = 2, color = 2, linewidth = 1) +
stat_peaks(geom="point", span=15, color="steelblue3", size=2) +
stat_peaks(geom="label", span=15, color="steelblue3", angle=0, hjust=-0.1, x.label.fmt = "%d/%m/%y") +
stat_peaks(geom="rug", span=15, color = "blue", sides = "b")
Grafik ini menggambarkan pergerakan harga saham BNI dari awal 2022 hingga akhir 2024 dengan pola fluktuatif. Pada awal periode, harga saham mengalami kenaikan hingga mencapai salah satu puncaknya pada 17 April 2022, sebelum mengalami koreksi. Tren kenaikan kembali terlihat pada akhir 2022, dengan titik puncak pada 11 Desember 2022 dan 19 Maret 2023. Setelah itu, saham BNI kembali naik dan mencatatkan titik tertinggi baru pada 1 Oktober 2023. Puncak harga tertinggi dalam periode ini terjadi pada 3 Maret 2024 di sekitar level 6100, sebelum mengalami penurunan signifikan. Meskipun pada 15 September 2024 harga saham sempat kembali meningkat, tren menurun tetap berlanjut hingga akhir tahun 2024. Grafik ini menunjukkan bahwa meskipun saham BNI mengalami kenaikan yang cukup kuat, volatilitas tetap menjadi faktor utama yang memengaruhi pergerakan harga dalam jangka panjang.
ggplot(dataMandiri, aes(x=Time, y=Price)) +
geom_line() +
xlab("Date") +
scale_x_date(date_labels = "%b %Y", date_breaks = "2 months") +
ggtitle("Harga Saham Mandiri") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 50, hjust = 1),
plot.title = element_text(hjust = 0.5)) +
geom_vline(xintercept = as.Date("2024-01-01"), linetype = 2, color = 2, linewidth = 1) +
geom_vline(xintercept = as.Date("2023-01-01"), linetype = 2, color = 2, linewidth = 1) +
stat_peaks(geom="point", span=15, color="steelblue3", size=2) +
stat_peaks(geom="label", span=15, color="steelblue3", angle=0, hjust=-0.1, x.label.fmt = "%d/%m/%y") +
stat_peaks(geom="rug", span=15, color = "blue", sides = "b")
Grafik ini menunjukkan pergerakan harga saham Mandiri dari awal 2022 hingga akhir 2024 dengan tren kenaikan yang cukup konsisten, meskipun tetap mengalami beberapa koreksi. Harga saham mengalami kenaikan signifikan pada 24 April 2022, kemudian mengalami fluktuasi sebelum kembali mencapai puncak pada 27 November 2022 dan 19 Maret 2023. Setelah itu, tren kenaikan berlanjut dengan pencapaian harga tertinggi baru pada 27 Agustus dan 8 Oktober 2023. Puncak tertinggi dalam periode ini terjadi pada 10 Maret 2024, diikuti oleh koreksi harga. Meskipun harga saham sempat mengalami kenaikan kembali pada 15 September 2024, tren penurunan mulai terlihat menjelang akhir tahun. Secara keseluruhan, saham Mandiri menunjukkan pola kenaikan jangka panjang yang cukup kuat, namun tetap diiringi oleh volatilitas.
library(dplyr)
library(tidyr)
DATA_MULTIPLE <- dataBRI %>%
rename(PriceBRI = Price) %>%
full_join(dataBNI %>% rename(PriceBNI = Price), by = "Time") %>%
full_join(dataMandiri %>% rename(PriceMandiri = Price), by = "Time")
df_long <- DATA_MULTIPLE %>%
pivot_longer(cols = c(PriceBRI, PriceBNI, PriceMandiri),
names_to = "Bank", values_to = "Price")
ggplot(df_long, aes(x = Time, y = Price, color = Bank)) +
geom_line(size = 1) +
theme_minimal() +
labs(title = "Pergerakan Harga Saham BRI, BNI, dan Mandiri",
x = "Tanggal", y = "Harga Saham", color = "Bank") +
scale_x_date(date_labels = "%b %Y", date_breaks = "3 months") +
theme(axis.text.x = element_text(angle = 50, hjust = 1),
plot.title = element_text(hjust = 0.5),
legend.position = "bottom")
Grafik ini menunjukkan pergerakan harga saham tiga bank besar di Indonesia, yaitu BRI (hijau), BNI (merah), dan Mandiri (biru), dari awal 2022 hingga akhir 2024. Secara umum, ketiga saham ini menunjukkan tren kenaikan hingga pertengahan 2024 sebelum mengalami penurunan. Saham Mandiri (biru) memiliki kinerja yang paling baik dibandingkan dua lainnya, dengan kenaikan yang lebih tinggi dan puncak harga yang lebih jelas di awal 2024 sebelum mulai menurun. Sementara itu, saham BRI (hijau) dan BNI (merah) cenderung bergerak searah, dengan BRI sedikit lebih unggul di sebagian besar periode. Ketiga saham ini mengalami koreksi harga yang signifikan setelah mencapai puncaknya di awal hingga pertengahan 2024. Pergerakan yang serupa ini mencerminkan sentimen pasar yang hampir sejalan untuk sektor perbankan, meskipun dengan tingkat volatilitas yang berbeda-beda.
data_combined <- rbind(
data.frame(Bank = "BRI", Price = dataBRI$Price),
data.frame(Bank = "BNI", Price = dataBNI$Price),
data.frame(Bank = "Mandiri", Price = dataMandiri$Price)
)
ggplot(data_combined, aes(x = Bank, y = Price, fill = Bank)) +
geom_boxplot(color = "black") +
scale_fill_manual(values = c("BRI" = "lightblue", "BNI" = "lightgreen", "Mandiri" = "pink")) +
labs(title = "Boxplot Harga Saham BRI, BNI, dan Mandiri", y = "Harga Saham", x = "Bank") +
theme_minimal()
Berdasarkan boxplot harga saham dari tiga bank besar di Indonesia, yaitu BNI, BRI, dan Mandiri, dapat diinterpretasikan bahwa Bank Mandiri memiliki harga saham dengan rentang yang paling luas dibandingkan dengan dua bank lainnya. Hal ini terlihat dari panjang whisker yang lebih besar, menunjukkan volatilitas harga saham yang lebih tinggi. Median harga saham Bank Mandiri juga lebih tinggi dibandingkan BRI dan BNI, yang mengindikasikan bahwa secara umum harga saham Mandiri cenderung lebih tinggi. Sementara itu, harga saham BRI berada di tengah-tengah dengan distribusi yang lebih merata dibandingkan BNI dan Mandiri. Whisker atasnya cukup panjang, menunjukkan adanya beberapa kenaikan harga saham yang signifikan dalam periode yang diamati. Di sisi lain, harga saham BNI memiliki rentang yang paling kecil, dengan interquartile range (IQR) yang lebih sempit dibandingkan dua bank lainnya. Ini menunjukkan bahwa pergerakan harga saham BNI lebih stabil dan kurang fluktuatif dibandingkan dengan BRI dan Mandiri. Secara keseluruhan, data ini menunjukkan bahwa saham Mandiri memiliki pergerakan harga yang lebih ekstrem dibandingkan BRI dan BNI, sementara BNI cenderung memiliki pergerakan harga yang lebih stabil dalam periode yang diamati