Multifraktal TELKOM, INDOSAT, HMSP WORKING PAPER WPT2003. BANDUNG FE INSTITUTE research university on complexity in Indonesia
|
|
- Devi Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 WORKING PAPER WPT2003 Multifraktal TELKOM, INDOSAT, HMSP BANDUNG FE INSTITUTE research university on complexity in Indonesia $
2 Multifraktal: Telkom, Indosat, dan HMSP Yun Hariadi dan Yohanes Surya Bandung Fe Institute Abstrak. Paper ini menggunakan analisa R/S untuk mendapatkan eksponen Hurst beserta dimensi fraktal dari data return saham Telkom, Indosat, dan HMSP. Selanjutnya eksponen Hurst digunakan untuk melihat apakah data return saham tersebut bersifat multifraktal, atau memiliki gerak Brown, atau gerak Brown sebagian. Hal yang diperoleh dari paper ini adalah, ketiga data saham memiliki memori pendek yang artinya tidak bertahan pada trend yang panjang dan bersifat multifraktal. Kata kunci: analisa R/S, eksponen Hurst, multifraktal, gerak Brown, gerak Brown sebagian. 1. Pendahuluan Tahap awal meramal data yang terselang dalam urutan waktu dengan tingkat perubahan/volatilitas tinggi membutuhkan sebuah perangkat untuk menentukan apakah data tersebut memiliki hubungan terhadap data sebelumnya. Hubungan yang terjalin tersebut bisa diartikan, apakah perubahan data pada saat t dipengaruhi oleh perubahan data pada saat t-1, lebih umum, apakah perubahan data pada saat t dipengaruhi oleh perubahan data pada saat t-k. lebih dari itu, apakan hubungan yang terbentuk, katakanlah trend memiliki pengaruh terhadap trend di waktu yang akan datang dan jika memiliki hubungan bagaimana hubungan itu terbentuk?. Beberapa perangkat statistik telah dikembangkan untuk mengukur tingkat pengaruh diantara data, salah satu perangkat yang telah berkembang cukup lama adalah model otokorelasi. Dalam perkembangan lebih lanjut model dasar ini dikembangkan dengan memperhatikan selang waktu. Data tidak lagi dianggap sebagai satu kelompok yang utuh, tetapi dikelompokkan menjadi beberapa bagian. Keuntungan dalam model ini adalah terhindar prasangka awal, bahwa seperangkat data dalam satu selang waktu memiliki karakteristik yang sama, misalnya nilai rata-rata. Dengan dipecahnya data menjadi beberapa kelompok data, memungkinkan untuk memperlakukan data secara lebih unik. Modifikasi data yang akan digunakan pada analisa ini, bukanlah pada data awal/data nilai saham, tetapi terhadap data return. Salah satu alasan penggunaan data return karena model analisa R/S menggunakan pendekatan model distribusi power law, sedangkan sifat distribusi return adalah bukan normal(not normal) tapi lebih pada model distribusi dengan ekor gemuk (Razdan, 2002). 1
3 Analisa R/S digunakan untuk menghasilkan eksponen Hurst, yang akan dikembangkan lebih lanjut untuk menyelidiki sifat multifraktal dalam data deret waktu. Telah banyak diyakini bahwa data return akan memiliki sifat multifraktal (Turiel, A.,2002). Sifat multifraktal ini penting untuk memperlihatkan pola selft-similarity dalam data deret waktu. Hal ini makin menegaskan bahwa perubahan nilai data dengan volatilitas tinggi tidaklah sepenuhnya acak. Paper ini disusun sebagai berikut: bagian ke dua paper ini menjelaskan eksponen Hurst dan hubungannya dengan sifat multifraktal, pada bagian ke tiga paper ini dilakukan simulasi terhadap data saham Telkom, Indosat, dan HMSP, dan diakhiri dengan kesimpulan terhadap hasil simulasi. 2. Eksponen Hurst dan Multifraktal Ide dasar dari pengembangan eksponen Hurst adalah model otokorelasi. Pada otokorelasi biasa menggunakan data sebagai satu kesatuan waktu terurut, sedangkan pada analisis R/S (sebutan untuk mendapatkan eksponen Hurst) data dipecah menjadi beberapa bagian, dan analisis R/S dilakukan terhadap masing-masing data yang terpecah. Misalkan kita memiliki data terurut Y 1,,Y N, data ini kemudian dipecah menjadi beberapa bagian dengan panjang sama, dengan masing-masing bagian terdiri y 1,,y n dan X ( t, = 1 S( = n t i= 1 R( = makx ( t, min X ( t, n i= 1 ( y < y > i ( y < y > i eksponen Hurst diperoleh melalui perbandingan antara nilai R dan S yang memenuhi H R n = S 2 dengan H sebagai eksponen Hurst. Secara umum 0 H 1, nilai H memberi informasi apakah suatu data tertentu memiliki kecenderungan untuk bertahan pada suatu trend atau tidak. Untuk 0.5<H<1 maka data memiliki kecenderungan untuk bertahan pada suatu trend dalam jangka waktu yang lebih lama, artinya kenaikan trend pada saat ini memiliki peluang yang besar untuk diikuti kenaikan trend pada saat yang akan datang. Hal sebaliknya terjadi jika 0.5>H>0, pada kondisi demikian data memiliki kecenderungan untuk tidak bertahan pada suatu trend. Hal ini berarti, naiknya trend pada saat sekarang akan diikuti oleh menurunnya trend pada masa yang akan datang dan sebaliknya juga berlaku. Perilaku data terhadap trend memberi informasi lain terhadap hubungan masing-masing dalam data tersebut, muncul tidaknya trend merupakan perilaku akhir yang menandai ada tidaknya hubungan saling mempengaruhi pada data waktu terurut. n ) n )
4 Eksponen Hurst memilliki hubungan langsung dengan dimensi fraktal, hubungan tersebut dinyatakan dalam persamaan sederhana D f = 2-H Nilai D f =1.5 menyatakan bahwa data tersebut bersifat acak. Jika 1<D f <1.5 data memiliki kecenderungan untuk bertahan pada trend dan bersifat sebaliknya jika 1.5<D f <2. Salah satu sifat menarik dari perilaku data keuangan atau saham adalah ketidakacakkannya terhadap perubahan nilai, sekalipun memiliki volatilitas yang tinggi dan memiliki frekuensi dan volume transaksi yang tinggi pula. Meski tidak menunjukkan sifat acak murni namun prediksi terhadap sebuah nilai data tertentu amat lah sulit hal ini sedikit terbantu jika kita mampu mengamati pola yang muncul dari perilaku data tersebut. Gerak Brown menjadi kandidat yang menarik untuk menjadi dasar model perilaku data keuangan atau saham, karena sifat gerak brown itu sendiri yang mampu memadukan unsur stokastik dan unsur deterministik, selain mampu menampilkan sifat selfsimilarity/fraktal yang menjadi salah satu sifat khusus dari data keuangan atau saham. Berikut ini adalah salah satu metode yang dikembangkan untuk menyelidiki apakah data keuangan atau saham bisa dimodelkan dalam gerak Brown, lebih khusus lagi gerak Brown sebagian. Hal ini menyatakan bahwa tidak secara keseluruhan data waktu terurut dapat dimodelkan dalam gerak Brown, bahkan kalaupun mungkin, hanya sebagian dari data itu yang bisa dimodelkan dalam gerak brown. Pertama dibangun model ( q) q S ( =< Y ( t + Y ( t) > ( q) m( q) S ( ~ n dengan q menyatakan derajat, untuk q=1 ditetapkan m(q)=h, dengan H eksponen Hurst. Fungsi yang terbentuk m(q) memberi informasi tentang sifat fraktal dalam data waktu terurut. Jika m(q) membentuk fungsi tak-linier maka data bersifat multifraktal. Jika m(q) membentuk fungsi linier maka ada sifat gerak Brown atau gerak Brown sebagian dalam data tersebut. Gerak Brown ditandai oleh fungsi m(q)=q/2 dan gerak Brown sebagian ditandai oleh m(q)=qh. 3. Hasil Simulasi Berikut ini merupakan hasil simulasi terhadap data saham Telkom, Indosat, dan HMSP. Pada masing-masing data saham dicari eksponen Hurst-nya untuk menentukan apakah data tersebut memiliki kecenderungan untuk bertahan pada trend atau tidak, termasuk ditentukan dimensi fraktalnya. Eksponen Hurst yang diperoleh pada simulasi sebelumnya digunakan untuk menyelidiki sifat masing-masing saham apakah memiliki sifat multifraktal atau gerak Brown atau juga gerak Brown sebagian. 3
5 Nama Saham Eksponen Hurst Dimensi Fraktal Telkom Indosat HMSP Ketiga saham memperlihatkan eksponen Hurst dibawah 0.5 hal ini menyatakan bahwa trend tidak bisa dijadikan dasar peramalan, atau perilaku saham hanya memiliki memori yang pendek artinya perubahan nilai saham tidak dipengaruhi oleh perubahan nilai saham yang terpisah dalam selang waktu lama. Dimensi fraktral lebih dari 1.5 mendukung pennyataan pertama, bahwa ketika saham tidak memiliki kecenderungan untuk bertahan pada trend tertentu. Kedua nilai mendekati sama yang ditunjukkan oleh saham Telkom dan Indosat menyatakan bahwa kedua saham tersebut memiliki perilkau yang hampir sama dibanding perilaku mereka dengan saham HMSP. gambar 1 nilai dan return saham Telkom, Indosat, dan HMSP pola yang ditunjukkan nilai saham terhadap waktu tidak menunjukkan adanya kemiripan, hal ini sungguh berbeda dengan yang ditunjukkan pada grafik return. Pola yang ditunjukkan Telkom dan Indosat menunjukkan adanya kemiripan, hal ini sesuai dengan yang didapat pada diagram pertama, yaitu eksponen Hurst yang hampir sama antara Telkom dan Indosat. 4
6 gambar 2 plot m(q) vs q pada ketiga return saham Bentuk tak linier (meskipun hampir linier) yang ditunjukkan oleh fungsi m(q) menyatakan bahwa ketiga data saham menunjukkan perilaku multifraktal. Perilaku multifraktal ini menjamin munculnya self-similarity dalam data deret waktu. Meski hal ini masih menyisakan masalah yaitu mencari keberadaan self-similarity tersebut, namun hal ini telah berhasil memperlihatkan pola yang terjadi dalam nilai return ketiga saham. 4. Kesimpulan Data return saham Telkom, Indosat, dan HMSP memperlihatkan perilaku pendek memori, tidak begitu terpengaruh oleh trend, hal ini ditunjukkan oleh eksponen Hurst dibawah 0,5 dan dimensi fraktal diatas 1,7. Lebih jauh perilaku Telkom dan Indosat lebih menunjukkan kemiripan dibanding dengan HMSP. Sifat multifraktal yang muncul dalam ketiga data return saham yang ditandai dengan ketidaklinieran fungsi m(q) mempermudah dalam pemodelan berikutnya. Salah satu kandidat cukup kuat dalam pemodelan selanjutnya adalah memodifikasi dasar gerak Brown, hal ini karena gerak Brown mampu menunjukkan self-similarity yang cukup bagus. 5
7 5. Daftar Pustaka 1. Bouchaud, J.P., et al. Apparent Multifractality in Financial Time series. The European Physical Journal B, EDP Science Springer-Verlag Cizeau, F. et al. Volatility distribution in the S&P500 stock Index. Condmat/ Aug Hsieh, D.A. Nonlinear Dynamics in Financial Markets: Evidence and Implications. Institute for Quantitative Research in Finance.(1994) 4. Mandelbrot, B. et al. A Multifractal Model of Asset Return. Cowles Foundation Discussion Paper. (1996) 5. Mantegna, R.N. and Stanley, H.E. Modeling of Financial Data: Comparison of Truncated Levy Flight and the ARCH(1) and GARCH(1,1) processes. arxiv.cond mat/ v1 11 April Matia, K., Ashkenazy, Y., and Stanley, H.E. Multifractal properties of price fluctuations of stocks and commodities. Europhys. Lett., 61 (3), pp (2003) 7. Razdan Ashok. Scaling in the Bombay Stock exchange Index. Pramana Journal of Physics. Indian Academy of Science.(2002). 8. Schmitt, F. et al. Multifractal Fluctuatioons in Finance. Int. J. Theror. Appl. Fin,. Vol 3/3 (2000). 9. Turiel, A. et al. Multifractal geometry in Stock Market time series. Elseiver Science.(2002).. 6
8 PETUNJUK PENGGUNAAN DOKUMEN BFI 1. Tentang Dokumen Dokumen ini adalah hasil riset sebagai sikap umum dari Bandung Fe Institute (BFI). Dokumen ini telah melalui proses seleksi dan penjurian yang dilakukan oleh Board of Science BFI bersama dengan penulisnya dan beberapa narasumber terkait. Tanggung jawab terhadap kesalahan yang mungkin terdapat dalam isi dari masingmasing makalah berada di tangan penulisnya. 2. Tentang Ketersediaan & Penggunaan Dokumen Dokumen ini disediakan secara gratis dalam bentuk kopi elektronis yang dapat diakses melalui alamat web: Siapapun yang berkeinginan untuk melihat dan memiliki kopi elektronis dari dokumen ini dapat memperolehnya secara gratis dengan men-download dari alamat tersebut. Dokumen yang di-download dapat diperbanyak, didistribusikan, ataupun dikutip untuk penggunaan non-komersil, pengayaan riset ilmiah, dan keperluan pendidikan tanpa perlu meminta izin tertulis dari BFI. Khusus untuk pengutipan, dapat dilakukan tanpa izin tertulis dari BFI namun harus menyebutkan dengan baik sumber kutipan, meliputi nama penulis, nomor seri dokumen, penerbit BFI Press, dan tahun penerbitan sesuai dengan standar penulisan bibliografi di mana kutipan dilakukan. Hard-Copy dari dokumen ini dapat diperoleh dengan permintaan tertulis kepada Kantor Administrasi BFI pada alamat di bawah. Hard-Copy dapat diperoleh dengan membayar uang pengganti cetak dokumen. Hard-Copy dapat diperbanyak, didistribusikan, ataupun dikutip untuk penggunaan nonkomersil, pengayaan riset ilmiah, dan keperluan pendidikan tanpa perlu meminta izin tertulis dari BFI. Khusus untuk pengutipan, dapat dilakukan tanpa izin tertulis dari BFI namun harus menyebutkan dengan baik sumber kutipan, meliputi nama penulis, nomor seri dokumen, penerbit BFI Press, dan tahun penerbitan sesuai dengan standar penulisan bibliografi di mana kutipan dilakukan. Pelanggaran terhadap ketentuan-ketentuan tersebut di atas adalah pelanggaran hukum dan mendapat ancaman hukuman/sanksi sesuai peraturan perundangan yang berlaku di Indonesia Hal-hal di luar petunjuk yang diatur di sini harus dikonsultasikan terlebih dahulu ke Kantor Administrasi BFI dengan alamat: BANDUNG FE INSTITUTE Jl. Cemara 63 Bandung JAWA BARAT INDONESIA URL: Mail: Ph Ponsel: a.n. Rio Siagian
WORKING PAPER WPB2004. DFA Pada Saham. BANDUNG FE INSTITUTE research university on complexity in Indonesia.
WORKING PAPER WPB2004 DFA Pada Saham BANDUNG FE INSTITUTE research university on complexity in Indonesia http://www.bandungfe.scripterz.org DFA Pada Saham Yohanes Surya 1,Yun Hariadi 2 Abstrak Data return
Lebih terperinciPeramalan dalam Selang GARCH(1,1)
WORKING PAPER WPH2003 Peramalan dalam Selang GARCH(1,1) BANDUNG FE INSTITUTE research university on complexity in Indonesia Peramalan dalam Selang GARCH(1,1) Yohanes Surya 1 dan Yun Hariadi 2 Absrtak Hasil
Lebih terperinciKulminasi Prediksi Data Deret Waktu Keuangan Volatilitas dalam GARCH (1,1)
WORKING PAPER WPF003 Kulminasi Prediksi Data Deret Waktu Keuangan Volatilitas dalam GARCH (1,1) BANDUNG FE INSTITUTE research university on complexity in Indonesia Kulminasi Prediksi Data Deret Waktu Keuangan
Lebih terperinciLQ45* dalam TMA.
LQ45* dalam TMA Yun Hariadi 1 dan Yohanes Surya 2 1 Dept. Dynamical System Modeling Bandung Fe Institute faust_doktor@yahoo.com 2 Dept. Physics Univ. Pelita Harapan, Board of Advisory Bandung Fe Institute
Lebih terperinciPERSEPSI JARING SARAF PADA PETA POINCARE KEUANGAN
WORKING PAPER WPG2003 PERSEPSI JARING SARAF PADA PETA POINCARE KEUANGAN BANDUNG FE INSTITUTE research university on complexity in Indonesia PERSEPSI JARING SARAF PADA PETA POINCARE KEUANGAN Yohanes Surya
Lebih terperinciBAB I. Pendahuluan. 1.1 Latar Belakang masalah. Pasar modal merupakan tempat kegiatan perusahaan mencari dana untuk
1 BAB I Pendahuluan 1.1 Latar Belakang masalah Pasar modal merupakan tempat kegiatan perusahaan mencari dana untuk membiayai kegiatan usahanya. Selain itu, pasar modal juga merupakan suatu usaha penghimpunan
Lebih terperinciKarakteristik pada sekitar Tindak Pengawasan
Karakteristik pada sekitar Tindak Pengawasan Yun Hariadi Dept. Dynamical System Modeling Bandung Fe Institute yh@dynsys.bandungfe.net Abstrak Bursa Efek Jakarta melakukan tindak pengawasan terhadap emiten
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN Metodologi penelitian Efficient Market Hypothesis dan Fractal Market Hypothesis terhadap perilaku return harian indeks LQ45 dan saham-saham perbankan yang tergabung dalam LQ45
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pergerakan Harga Saham Pergerakan harga harian indeks LQ45 dan lima saham perbankan yang termasuk dalam kelompok LQ45 selama periode penelitian ditampilkan dalam bentuk
Lebih terperinciBAB I PENDAHULUAN. ekuiti (saham), reksa dana, instrumen derivatif maupun instrumen lainnya. Pasar
BAB I PENDAHULUAN 1.1 Latar Belakang Pasar modal (capital market) merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang bisa diperjualbelikan, baik surat utang (obligasi), ekuiti (saham),
Lebih terperinciPenggunaan Fuzzy Cognitive Mapping Dalam Konstruksi Analisis Sosial
Penggunaan Fuzzy Cognitive Mapping Dalam Konstruksi Analisis Sosial Hokky Situngkir (quicchote@yahoo.com) Bandung Fe Institute Abstrak Makalah ini membedah teknik pemodelan berdasarkan logika dan himpunan
Lebih terperinciSimulasi Investasi dengan Hukum Pangkat Zipf Analisis Zipf (m,2) dalam Teks Data Indeks Keuangan
Simulasi Investasi dengan Hukum Pangkat Zipf Analisis Zipf (m,2) dalam Teks Data Indeks Keuangan Hokky Situngkir (hs@compsoc.bandungfe.net) Dept. Computational Sociology Bandung Fe Institute Yohanes Surya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Perkembangan Efficient Market Hypothesis Perkembangan metode statistika untuk menganalisis return pertama kali diperkenalkan di tahun 1900 oleh Louis Bachelier. Tetapi, hanya sedikit
Lebih terperinciMA6281 Topik Statistika IV: Analisis Deret Waktu Keuangan
MA6281 Topik Statistika IV: Analisis Deret Waktu Keuangan Referensi: Taylor (2008), Modeling Financial Time Series Tsay (2005), Analysis of Financial Time Series Silabus: Return, volatilitas dan distribusi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan teknologi dan informasi menyebabkan pemodelan pada data keuangan mengalami perkembangan yang cukup pesat. Sistem elektronik dalam perdagangan
Lebih terperinciBAB I PENDAHULUAN. yang telah go public. Perusahaan yang tergolong perusahan go public ialah
BAB I PENDAHULUAN 1.1 Latar Belakang Saham merupakan surat berharga sebagai bukti penyertaan atau pemilikan individu maupun badan hukum dalam suatu perusahaan, khususnya perusahaan yang telah go public.
Lebih terperinciSILABUS MATAKULIAH PERAMALAN BISNIS
SILABUS MATAKULIAH PERAMALAN BISNIS Matakuliah : Peramalan Bisnis Kode Matakuliah/sks : AGB 201/ 3(2-3) Semester : 4 Prasyarat Deskripsi Singkat : Metode Statistika : Matakuliah ini memberikan pengetahuan,
Lebih terperinciBAB 1 PENDAHULUAN. adalah di bidang ekonometrika. Ekonometrika merupakan bidang ilmu ekonomi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Statistika bisa diterapkan di berbagai bidang. Salah satu contoh penerapannya adalah di bidang ekonometrika. Ekonometrika merupakan bidang ilmu ekonomi yang menganalisis
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian di bidang metode peramalan terhadap data runtun waktu keuangan (financial time series forecasting) selalu menjadi bahasan yang menarik. Hal ini disebabkan
Lebih terperinciESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)
ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO Yessy Okvita 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ada banyak cara yang dapat dilakukan oleh investor untuk berinvestasi, salah satunya adalah dengan berinvestasi di pasar modal, pasar modal adalah tempat yang memperjualbelikan
Lebih terperinciBAB I PENDAHULUAN. 1.2 Latar Belakang Penelitian
BAB I PENDAHULUAN 1.1 Gambaran Objek Penelitian Saham adalah surat berharga yang merupakan tanda kepemilikan seseorang atau badan terhadap suatu perusahaan. Pemegang saham merupakan pemlik sebenarnya dari
Lebih terperinciSurya Research International
PRODUK LAYANAN Produk dan layanan Jasa penelitian dan pengembangan Jasa konsultasi dan implementasi Jasa pembuatan software ilmiah Publikasi dan Sosialisasi Working Paper (WP) Journal of Social Complexity
Lebih terperinciDAFTAR GAMBAR. Halaman Gambar 3.1 Pemodelan Curah Hujan Harian Pertahun Gambar 3.2 Diagram Alir Penelitian... 17
DAFTAR GAMBAR Halaman Gambar 3.1 Pemodelan Curah Hujan Harian Pertahun... 16 Gambar 3.2 Diagram Alir Penelitian... 17 Gambar 4.1 Perbandingan Curah Hujan Harian Terukur dan Curah Hujan Hasil Metode Reciprocal
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciAnis Nur Aini, Sugiyanto, dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta
MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR SIMPANAN BANK, NILAI TUKAR RIIL, DAN NILAI TUKAR PERDAGANGAN Anis Nur Aini, Sugiyanto,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Investasi berkaitan dengan penempatan dana ke dalam bentuk aset yang lain selama periode tertentu dengan harapan tertentu. Aset yang menjadi objek investasi seseorang
Lebih terperinciBAB I PENDAHULUAN. bahwa sering terjadi ketidak-akuratan hasil peramalan, tetapi mengapa peramalan
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan adalah salah satu input penting bagi para manajer dalam proses pengambilan keputusan investasi. Dalam proses peramalan dapat disadari bahwa sering terjadi
Lebih terperinciBAB I PENDAHULUAN. 1.8 Latar Belakang Masalah. Pasar modal memiliki peranan penting dalam perekonomian suatu negara.
BAB I PENDAHULUAN 1.8 Latar Belakang Masalah Pasar modal memiliki peranan penting dalam perekonomian suatu negara. Maju atau tidaknya perekonomian suatu negara, dapat dilihat dari perkembangan pasar modal
Lebih terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
Lebih terperinciValue at Risk yang memperhatikan sifat statistika distribusi return
MPRA Munich Personal RePEc Archive Value at Risk yang memperhatikan sifat statistika distribusi return Hokky Situngkir Bandung Fe Institute 27 April 2006 Online at https://mpra.ub.uni-muenchen.de/895/
Lebih terperinciPemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika terhadap Rupiah
J. Mat. and Its Appl. ISSN: 829-605X Vol. 2, No., May. 2005, 27 36 Pemodelan Fraktal: Study Kasus pada Nilai Tukar Dolar Amerika teradap Rupia I Gst Ngr Rai Usada, Erika Eka Santi Jurusan Matematika Institut
Lebih terperinciPERAN DIMENSI FRAKTAL DALAM RISET GEOMAGSA
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 14 Mei 2011 PERAN DIMENSI FRAKTAL DALAM RISET GEOMAGSA John Maspupu Pussainsa LAPAN,
Lebih terperinciBAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN. Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani
BAB 5 KESIMPULAN, KEKURANGAN PENELITIAN DAN SARAN 5. 1 Kesimpulan Dari hasil pengujian peramalan dengan menggunakan metode Fuzzy Mamdani dan bantuan software Matlab, dapat diambil beberapa kesimpulan sebagai
Lebih terperinciPERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)
PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M) (Studi Kasus pada Return Harga Saham PT. Wijaya Karya) SKRIPSI Disusun Oleh : Dwi Hasti
Lebih terperinciSENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU
SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU Asep Saefuddin, Anang Kurnia dan Sutriyati Departemen Statistika FMIPA IPB Ringkasan Data deret waktu pada bidang keuangan
Lebih terperinciBAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana jangka panjang, yaitu dana yang keterikatannya dalam investasi lebih dari satu
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciPowerPoint Slides by Yana Rohmana Education University of Indonesian
PowerPoint Slides by Yana Rohmana Education University of Indonesian Chapter 2007 Laboratorium 1 Ekonomi & Koperasi Publishing Jl. Dr. Setiabudi 229 Bandung, Telp. 022 2013163-2523 Regression, Causalitas,
Lebih terperinciPENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL
PENERAPAN METODE EXPONENTIALLY WEIGHTED QUANTILE REGRESSION UNTUK PERAMALAN PENJUALAN MOBIL Wiwik Anggraeni 1, Indah Sri Wahyuni 2 Jurusan Sistem Informasi, Fakultas Teknologi Informasi, ITS Jl. Raya ITS
Lebih terperinciPerhitungan Harga Opsi Eropa Menggunakan Metode Gerak Brown Geometri
Perhitungan Harga Opsi Eropa Menggunakan Metode Gerak Brown Geometri Kristoforus Ardha Sandhy Pradhitya 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika email:
Lebih terperinciBAB 1 PENDAHULUAN. Pasar Modal sebagai instrumen ekonomi menjadi pilar penting bagi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pasar Modal sebagai instrumen ekonomi menjadi pilar penting bagi masyarakat untuk melakukan investasi dan sekaligus menjadi sumber pembiayaan bagi perusahaan-
Lebih terperinciPembuatan Aplikasi Prediksi Harga Saham Berbasis Web Menggunakan Metode Holt s: Studi Kasus Di PT Bank Central Asia Tbk
A333 Pembuatan Aplikasi Prediksi Harga Saham Berbasis Web Menggunakan Metode Holt s: Studi Kasus Di PT Bank Central Asia Tbk Nabihah Hanun Atikah, Arif Djunaidy, dan Faizal Mahananto Departemen Sistem
Lebih terperinciPT Telekomunikasi Indonesia Tbk. PT Indosat Tbk. PT XL Axiata Tbk. PT Bakrie Telecom Tbk. PT Smartfren Telecom Tbk.
1.1 Gambaran Umum Objek Penelitian BAB I PENDAHULUAN Objek studi pada penelitian ini adalah harga saham perusahaan yang terdaftar di Sektor Telekomunikasi pada Bursa Efek Indonesia (BEI). Sampai dengan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciI. PENDAHULUAN. Investasi pada umumnya dapat dikelompokkan dalam dua golongan
I. PENDAHULUAN 1.1. Latar Belakang Investasi pada umumnya dapat dikelompokkan dalam dua golongan utama, yaitu investasi dalam bentuk real assets dan investasi dalam bentuk financial assets (Bodie, 2005).
Lebih terperinciPENENTUAN HUBUNGAN EKSPONEN SPEKTRAL DAN DIMENSI FRAKTAL SINYAL ULF GEOMAGNET
PROSIDING ISBN : 978 979 6353 3 PENENTUAN HUBUNGAN EKSPONEN SPEKTRAL DAN DIMENSI FRAKTAL SINYAL ULF GEOMAGNET T 5 John Maspupu Pusfatsainsa LAPAN, Jl. Dr. Djundjunan No. 33 Bandung 4073, Tlp. 06060 Pes.
Lebih terperinciPerformance Vol. 22 No. 2 September 2015
Performance Vol. 22 No. 2 September 2015 ANALISIS PENGARUH CUACA TERHADAP HARGA SAHAM PADA BURSA EFEK INDONESIA Oleh: Yulis Maulida Berniz STIE Islam Bumiayu ABSTRAK Penelitian ini bertujuan untuk mempelajari
Lebih terperinciMENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH
MENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH INTAN AWYA WAHARIKA 1, KOMANG DHARMAWAN 2, NI MADE ASIH 3 1, 2, 3 Jurusan Matematika FMIPA Universitas
Lebih terperinciPRISMA FISIKA, Vol. VI, No. 01 (2018), Hal ISSN :
Karakterisasi Iklim Kalimantan Barat Menggunakan Metode Eksponen Hurst dan Indeks Prediktabilitas Iklim Ririn Andriyani a, Joko Sampurno a *,, Iklas Sanubary a a Prodi Fisika, FMIPA Universitas Tanjungpura
Lebih terperinciAnalisis Teori Matrik Acak untuk data Saham dan IHSG
Analisis Teori Matrik Acak untuk data Saham dan IHSG Yun Hariadi Dept. Dynamical System Bandung Fe Institute Abstrak Melalui teori matrik acak paper ini memfokuskan pada perilaku vektor eigen pada saat
Lebih terperinciPENENTUAN HARGA OPSI PUT AMERIKA MENGGUNAKAN ALGORITMA MONTE CARLO. Rina Ayuhana
PENENTUAN HARGA OPSI PUT AMERIKA MENGGUNAKAN ALGORITMA MONTE CARLO Rina Ayuhana Program Studi Ilmu Komputasi Universitas Telkom, Bandung rina.21.kids@gmail.com Abstrak Opsi adalah suatu kontrak yang memberikan
Lebih terperinciMODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG
MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
Lebih terperinciPENENTUAN VALUE AT RISK
PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT (Studi Kasus : Harga Penutupan Saham Harian Kimia Farma Pusat Periode Oktober 2009 September 2014) SKRIPSI
Lebih terperinciSIMULASI MONTE CARLO PADA PENENTUAN PERUBAHAN HARGA SAHAM ADHI.JK MELALUI PENDEKATAN PROSES WIENER DAN LEMMA ITÔ
Prosiding Seminar Nasional Volume 02, Nomor 1 ISSN 2443-1109 SIMULASI MONTE CARLO PADA PENENTUAN PERUBAHAN HARGA SAHAM ADHI.JK MELALUI PENDEKATAN PROSES WIENER DAN LEMMA ITÔ Zulfiqar Busrah 1, Budyanita
Lebih terperinciBAB I PENDAHULUAN. (Abdul Halim, 2005 : 4). Umumnya investasi dibedakan menjadi dua, yaitu
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Investasi pada hakikatnya merupakan komitmen terhadap sejumlah sumber daya pada saat ini dengan tujuan untuk mendapatkan keuntungan di masa depan (Abdul
Lebih terperinciBAB I PENDAHULUAN UKDW. investasi saham adalah strategi buy and hold. Strategi ini berkenaan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu strategi investasi pasif yang sering digunakan dalam melakukan investasi saham adalah strategi buy and hold. Strategi ini berkenaan dengan keputusan untuk
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciBAB I PENDAHULUAN. seseorang atau badan terhadap suatu perusahaan. Jika seseorang memiliki saham
BAB I PENDAHULUAN 1.1 Latar Belakang Saham adalah surat berharga yang merupakan tanda kepemilikan seseorang atau badan terhadap suatu perusahaan. Jika seseorang memiliki saham perusahaan maka dia memiliki
Lebih terperinciBAB I PENDAHULUAN. satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data time series merupakan serangkaian data pengamatan yang berasal dari satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan interval
Lebih terperinciDetail Tugas Besar Mata Kuliah Pemodelan dan Simulasi
Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi Buatlah aplikasi program untuk menyelesaikan kasus permasalahan dibawah ini, dengan menggunakan software aplikasi yang kalian mampu gunakan, interfacing
Lebih terperinciBAB V PENUTUP. 5.1 Kesimpulan. Berdasarkan analisi data pada Bab IV maka dapat ditarik kesimpulan sebagai. berikut:
BAB V PENUTUP 5.1 Kesimpulan Berdasarkan analisi data pada Bab IV maka dapat ditarik kesimpulan sebagai berikut: 1. Hasil pengujian pada return indeks JKSE menemukan pengaruh Ramadhan Effect pada volatilitas
Lebih terperinciBAB I PENDAHULUAN. Stabilitas ekonomi sebagai bagian dari stabilitas nasional merupakan salah
1 BAB I PENDAHULUAN 1.1 Latar Belakang Stabilitas ekonomi sebagai bagian dari stabilitas nasional merupakan salah satu syarat penting bagi keberhasilan pembangunan nasional. Stabilitas tersebut sangat
Lebih terperinciPengaruh Aggregasi Terhadap Parameter Long Memory Time Series (Studi Kasus : Data Saham LQ 45)
Pengaruh Aggregasi Terhadap Parameter Long Memory Time Series (Studi Kasus : Data Saham LQ 45) Moch. Koesniawanto dan Heri Kuswanto Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciKorelasi Pasar Modal dalam Ekonofisika
Korelasi Pasar Modal dalam Ekonofisika Yn Hariadi Dept. Dynamical System Bandng Fe Institte yh@dynsys.bandngfe.net Pendahlan Fenomena ekonomi sebagai kondisi makro yang merpakan hasil interaksi pada level
Lebih terperinciKeuangan Komputasional Jaring Saraf Buatan untuk Prediksi Data Deret Waktu Keuangan
WORKING PAPER WPE2003 Keuangan Komputasional Jaring Saraf Buatan untuk Prediksi Data Deret Waktu Keuangan BANDUNG FE INSTITUTE research university on complexity in Indonesia Keuangan Komputasional Jaring
Lebih terperinciBAB III PORTOFOLIO POINT AND FIGURE
BAB III PORTOFOLIO POINT AND FIGURE 3.1 Diagram Point and Figure Dalam konteks Black-Scholes (Korn 1997), terdapat dua jenis aset dalam pasar modal, yaitu aset bebas risiko {S (t): t 0} dan aset berisiko
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Investasi pada hakikatnya merupakan penempatan sejumlah dana pada saat ini dengan harapan untuk memperoleh keuntungan di masa mendatang. Secara garis besar,
Lebih terperinciNamun peramalan bukanlah sekadar mistis atau
Deni Khanafiah Scholar Bidang Evolusi Sistem Sosial Bandung Fe Institute Peramalan merupakan suatu kegiatan yang seringkali dikaitkan dengan sesuatu yang berbau mistis atau supranatural. Ingatan kita mungkin
Lebih terperinciDisusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar
PEMODELAN DAN PERAMALAN NILAI RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (APARCH) Disusun oleh : Nur Musrifah Rohmaningsih 24010211120019
Lebih terperinci* Menetapkan model peramalan dimasa yang akan datang, baik ramal-an jangka pendek maupun jangka panjang.
TIME SERIES Data Deret Waktu Materi dalam bab ini adalah suatu pendekatan Statistika dalam memecahkan persoalan perubahan/pertumbuhan variabel atau faktor tertentu. Seperti diketahui Statistika membantu
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING Sisca Rahma Dwi, Sugiyanto, dan Yuliana Susanti Program Studi
Lebih terperinciAPLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI
APLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI Robi Irsamukhti dan Nurita Putri Hardiani Program Studi Magister Terapan Teknik Panas Bumi Institut Teknologi
Lebih terperinciK-Means Clustering dan Average Linkage dalam Pembentukan Portfolio Saham
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 31 K-Means Clustering dan Average Linkage dalam Pembentukan Portfolio Saham Retno Subekti 1, Rosita Kusumawati 2, Eminugroho Ratna Sari 3 Jurusan
Lebih terperinciBAB II TINJAUAN PUSTAKA. 1. Penelitian yang dilakukan Atkins dan Dyl (1997) dengan judul Transaction
8 BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian-penelitian terdahulu yang mendasari penelitian ini adalah sebagai berikut: 1. Penelitian yang dilakukan Atkins dan Dyl (1997) dengan judul
Lebih terperinciPERBANDINGAN KEEFISIENAN METODE NEWTON-RAPHSON, METODE SECANT, DAN METODE BISECTION DALAM MENGESTIMASI IMPLIED VOLATILITIES SAHAM
E-Jurnal Matematika Vol. 5 (1), Januari 2016, pp. 1-6 ISSN: 2303-1751 PERBANDINGAN KEEFISIENAN METODE NEWTON-RAPHSON, METODE SECANT, DAN METODE BISECTION DALAM MENGESTIMASI IMPLIED VOLATILITIES SAHAM Ida
Lebih terperinciPenentuan Indeks Harga Saham Menggunakan Model Termodinamika
Penentuan Indeks Harga Saham Menggunakan Model Termodinamika T 5 Arief Wahyu Wicaksono dan Purnami Widyaningsih Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan alam Universitas Sebelas Maret
Lebih terperinciBAB I PENDAHULUAN. tukar uang tersebut dinamakan kurs atau exchange rate. uang tersebut merupakan salah satu aset finansial yang dapat mendorong
BAB I PENDAHULUAN 1.1 Latar Belakang Uang memegang peranan penting dalam perekonomian setiap negara. Aktifitas ekonomi yang dapat dilakukan suatu negara dengan menggunakan uang adalah perdagangan, baik
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sering terdapat tenggang waktu (time lag) antara kesadaran akan peristiwa atau kebutuhan mendatang dengan peristiwa itu sendiri. Adanya waktu tenggang ini merupakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Investasi saat ini telah menjadi kegiatan penting di dalam kehidupan masyarakat. Instrumen investasi juga telah beragam jenisnya misalnya properti, deposito,
Lebih terperinciANALISIS DERET WAKTU
ANALISIS DERET WAKTU JENIS DATA Cross section Beberapa pengamatan diamati bersama-sama pada periode waktu tertentu Harga saham semua perusahaan yang tercatat di BEJ pada hari Rabu 27 Februari 2008 Time
Lebih terperinciBAB I PENDAHULUAN. Dari sudut pandang investor, diversifikasi internasional merupakan suatu
BAB I PENDAHULUAN A. Latar Belakang Masalah Dari sudut pandang investor, diversifikasi internasional merupakan suatu cara yang dilakukan dengan tujuan untuk meminimalkan risiko dengan cara membentuk suatu
Lebih terperinciPengenalan PowerWorld Simulator
Pengenalan PowerWorld Simulator i VISUALISASI SISTEM TENAGA LISTRIK MENGGUNAKAN POWERWORLD SIMULATOR Oleh : Yusak Tanoto Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Saham adalah surat berharga yang menjadi bukti seseorang berinvestasi pada suatu perusahaan. Harga saham selalu mengalami perubahan harga atau biasa disebut
Lebih terperinciTIME SERIES. Deret berkala dan Peramalan
TIME SERIES Deret berkala dan Peramalan Pendahuluan Deret berkala Time series Sekumpulan data yang dicatat dalam satu periode waktu Digunakan untuk meramalkan kondisi masa mendatang Dalam jangka pendek
Lebih terperinciANALISIS FNS UNTUK SUATU SINYAL ULF GEOMAGNET
Prosiding SNaPP Sains, eknologi, dan esehatan ISSN:89-358 ANALISIS FNS UNU SUAU SINYAL ULF GEOMAGNE John Maspupu Pussainsa LAPAN, Jl. Dr. Djundjunan No. 33 Bandung 473, lp. 66 Pes. 6. Fax. 64998 E-mail:
Lebih terperinciBAB I PENDAHULUAN. Perilaku dari harga suatu aset finansial dapat dilihat dari dua parameter,
BAB I PENDAHULUAN 1.1 Latar belakang Perilaku dari harga suatu aset finansial dapat dilihat dari dua parameter, yaitu mean dan standar deviasi harga aset tersebut. Dalam bahasa keuangan, standar deviasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciPENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING DALAM PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M1, M2 PER CADANGAN DEVISA, DAN M2 MULTIPLIER Esteti Sophia Pratiwi,
Lebih terperinciBAB I PENDAHULUAN. atau memprediksi nilai suatu perolehan data di masa yang akan datang
BAB I PENDAHULUAN 1.1 Latar Belakang Time Series atau deret waktu merupakan barisan suatu nilai pengamatan yang diukur dalam rentang waktu tertentu dalam interval waktu yang sama. Analisis data deret waktu
Lebih terperinciANTARA SAHAM LIKUID DAN TAK LIKUID DI BURSA EFEK JAKARTA PERSPEKTIF MEKANIKA STATISTIKA
ANTARA SAHAM LIKUID DAN TAK LIKUID DI BURSA EFEK JAKARTA PERSPEKTIF MEKANIKA STATISTIKA Hokky Situngkir (hs@compsoc.bandungfe.net) Yun Hariadi (yh@dynsys.bandungfe.net) Yohanes Surya (yohaness@centrin.net.id)
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Manfaat Peramalan Pada dasarnya peramalan adalah merupakan suatu dugaan atau perkiraan tentang terjadinya suatu keadaan dimasa depan, tetapi dengan menggunakan metode metode tertentu
Lebih terperinciBAB I PENDAHULUAN. perusahaan (pihak yang membutuhkan dana) melalui penjualan saham, obligasi,
BAB I PENDAHULUAN 1.1. Latar Belakang Di era globalisasi ini, pasar modal mulai menunjukkan peranan penting dalam menggerakkan dana dari pemodal (pihak yang kelebihan dana) kepada perusahaan (pihak yang
Lebih terperinciBAB I PENDAHULUAN. utama yang dipertimbangkan industri keuangan. Seperti yang dikemukakan oleh Jorion
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Risk management atau manajemen risiko saat ini merupakan salah satu prioritas utama yang dipertimbangkan industri keuangan. Seperti yang dikemukakan oleh Jorion
Lebih terperinci