PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH"

Transkripsi

1 PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH Universitas Negeri Malang Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dari data nilai saham S&P 500 INDEX dan menentukan hasil peramalan data tersebut untuk periode berikutnya. Model yang digunakan dalam penelitian ini merupakan salah satu model dalam metode deret waktu yaitu model TARCH. Dari hasil penelitian diperoleh bahwa model terbaik adalah TARCH(1,2) dan diperoleh persamaan varian sebagai berikut: = Untuk meramalkan nilai harga saham S&P 500 INDEX pada periode selanjutnya digunakan langkah yaitu memodelkan kuadrat sisaan ke-121 ( ) dan ke-120 ( ), ragam bersyarat sisaan ke-121 ( ) serta memasukkan variabel threshold (asimetris) dengan melihat tanda sisaan ke-121 ( ). Model TARCH (1,2) menunjukkan bahwa hasil peramalan dari model ini memiliki persentase kesalahan yang relatif kecil. Hal ini mengindikasikan bahwa model TARCH (1,2) adalah model yang baik diterapkan dalam meramalkan nilai harga saham S&P 500 INDEX untuk periode selanjutnya. Kata kunci: nilai saham, S&P 500 INDEX, model TARCH Abstract: The purpose of this research for knowing the best forcasting model from data of value of stock price of S&P 500 INDEX and finding the forcasting result for the next period. Model has used in this research is TARCH model. The result from this research showed that TARCH(1,2) is the best model and the varian equation: = To forcast value of stock price of S&P 500 INDEX for the next period used measures are modeled squared residual for-121 ( ) and 120th ( ), conditional varians residual to-121 ( ) and enter the variable threshold (asymmetric) with a view to the remnant marks-121 ( ). The forcasting result of this model has percentage of error small relatively. This showed that TARCH(1,2) is the best model to forcast value of stock price of S&P 500 INDEX for the next period. Keyword: value of stock price, S&P 500 INDEX, TARCH model Dalam bidang ekonomi keuangan, seperti data harga saham sering menunjukkan efek laverage yaitu suatu kondisi bad news dan good news memberikan pengaruh yang tidak simetris terhadap volatilitasnya. Volatilitas sendiri merupakan ukuran ketidakpastian pergerakan harga saham di waktu yang akan datang. Ini menyulitkan peneliti untuk membuat estimasi dan perkiraan pergerakan harga saham pada suatu periode. Untuk itu, diperlukan suatu model pendekatan yang tepat dalam mengatasi masalah tersebut. Model yang digunakan adalah model TARCH. Model Threshold AutoRegressive Conditional Heterocedastic (TARCH) dikembangkan secara terpisah oleh Zakoian pada tahun 1990, lalu pada tahun 1993 oleh Glosten, Jaganathan dan Rukle. Model ini merupakan pengembangan dari model ARCH dan GARCH. Kelebihan dari model TARCH yaitu model ini mampu mengatasi varian yang tidak konstan. Selain itu, model ini juga bisa diterapkan untuk mengatasi adanya pengaruh asimterik pada data yaitu yaitu 1. Prisca Abiyani adalah mahasiswa jurusan MAtematika FMIPA Universitas Negeri Malang 2. Hendro Permadi adalah dosen jurusan Matematika FMIPA Universitas Negeri Malang

2 data yang memiliki nilai cross correlation antara residual kuadrat dan lag galatnya signifikan. Sedangkan metode ARCH/GARCH tidak bisa diterapkan untuk data asimetrik. a. Model TARCH Secara umum, model TARCH dapat ditulis sebagai berikut: Dimana: : indikator untuk yang bernilai negatif = 1, <0 0, 0 Menurut Winarno (2007: 83), model TARCH biasanya digunakan pada analisis harga saham yang terpengaruh oleh berita buruk (bad news) yang berbeda dengan berita baik (good news). Pengaruh berita baik ditunjukkan oleh sedang pengaruh berita buruk oleh ). Bila >0, berarti ada leverage effect, pengaruh berita buruk lebih besar dan bersifat volatilitas. jika 0, pengaruh berita baik dan buruk bersifat asimetris. b. Uji Jarque Bera Untuk memeriksa kenormalan deret residual digunakan uji Jarque Berra. Uji ini berfungsi untuk menguji kenormalan sebaran data yang mengukur perbedaan antara skewness (kemenjuluran) dan kurtosis (keruncingan) data dari sebaran normal. Hipotesis: : deret residual berdistribusi normal : deret residual tidak berdistribusi normal Statistik uji: = [ +( )( 3) ] Dengan: T = banyaknya pengamatan S = kemenjuluran K = keruncingan Daerah penolakan: ditolak jika ) atau P-value (0.05). (Widiyati, 2009). c. Kriteria Pemilihan Model terbaik Dalam suatu proses analisis deret waktu menghasilkan beberapa model yang dapat mewakili keadaan data. Untuk itu perlu dilakukan pemilihan model yang terbaik. Pemilihan model terbaik yang tepat didasarkan pada kriteria perhitungan model residual yang sesuai atau berdasarkan kesalahan peramalan. Beberapa kriteria yang biasa digunakan untuk pemilihan model terbaik berdasarkan residual adalah sebagai berikut: a. Akaike s Information Criterion (AIC) Semakin kecil nilai AIC semakin baik model itu untuk dipilih. Model terbaik adalah model yang memiliki nilai AIC terkecil (Wei, 1990).

3 + 2 (2) b. Schwartz s Bayesian Criterion (SBC) Kriteria ini hampir sama dengan AIC, tetapi menggunakan metode Bayesian: ) + (2) Dengan: = Sum Square Error (SSE) = banyaknya parameter yang ditaksir = banyaknya observasi = 3.14 Sedangkan kriteria yang digunakan dalam pemilihan model terbaik berdasarkan kesalahan peramalan yaitu: a. Mean Square Error (MSE) b. Mean Absolute Error (MAE) = 1 = 1 c. Mean Absolute Percentage Error (MAPE) Dengan:, = 1, 2, 3,, = data aktual = nilai perkiraan N = jumlah pengamatan. METODE = 1 100% Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data nilai saham S&P 500 INDEX yang diperoleh dengan cara mengunduh dari situs: Pengambilan data ini dilakukan pada hari Senin tanggal 14 Januari Langkah-langkah dalam melakukan analisis data menggunakan model TARCH adalah sebagai berikut: 1. Melakukan plot data harga saham penutupan S & P 500 INDEX periode Januari 2003 sampai periode Januari Melakukan return terhadap data agar diperoleh data stasioner. 3. Mengidentifikasi model rataan (ARMA) menggunakan plot ACF dan PACF dari data stasioner untuk menentukan orde p,q pada ARMA (p,q). Pendugaan parameter model rataan, selanjutnya memilih model terbaik berdasarkan kriteria model terbaik yaitu uji signifikansi parameter model ARMA dengan daerah penolakan : ditolak jika P-value =0.05 dan AIC yang terkecil (minimum).

4 4. Pengujian deret residual berdistribusi normal dengan menggunakan uji Jaque-Bera. Daerah penerimaan: diterima jika P-value > = Pengujian Efek ARCH dalam sisaan (dari model ARMA) menggunakan Uji Langrange Multiplier (LM) untuk mengatasi ketidakstasioneran variansi dari data acak. 6. Melakukan pendugaan parameter model ARCH/GARCH dengan Maximum Likelihood dan uji Jaque-Bera untuk mengetahui deret residual berdistribusi normal atau tidak. Daerah penerimaan: diterima jika P-value > = Pengujian efek asymmetri menggunakan uji korelasi silang (cross correlation) antara kuadrat galat model ARCH/GARCH dengan lag galatnya. 8. Jika terdapat pengaruh asymmetri maka dilakukan estimasi parameter model TARCH dengan Maximum Likelihood. Selanjutnya dipilih model terbaik berdasarkan kriteria model terbaik yaitu seluruh koefisien parameternya signifikan dan AIC (minimum). 9. Setelah itu dilakukan pemeriksaan ulang model TARCH yang terpilih untuk memastikan bahwa model TARCH yang terpilih merupakan model yang sesuai dan layak digunakan, yaitu : a. Pemeriksaan deret residual berdistribusi normal. b. Pengujian ulang keberadaan efek ARCH/GARCH. Meramalkan volatilitas dan harga saham S & P 500 INDEX satu periode mendatang. HASIL DAN PEMBAHASAN Dari hasil analisis dengan melakukan identifikasi model dan proses ARMA diperoleh bahwa model yang bisa diterapkan adalah model ARMA (1,0). Selanjutnya dilakuakan uji efek ARCH menggunakan LM Test untuk mengetahui adanya sifat heterokedastis. lag Obs*R-squared (nilai LM) Nilai-p Diperoleh bahwa nilai probabilitas hingga lag-10 =0.05. Karena probabilitas = 0.05 dapat disimpulkan bahwa pada kuadrat residual tersebut terdapat proses ACRH/GARCH. Hal ini menunjukkan bahwa pada data tersebut terdapat

5 model residual data yang bersifat heteroskedastis. Sehingga untuk selanjutnya akan dilakukan proses penaksiran model ARCH/GARCH. Penaksiran Parameter ARCH/GARCH Koefisien Model GARCH(1,1) GARCH(2,1) GARCH(1,2) GARCH(2,2) Model AIC GARCH (1,1) GARCH (2,1) GARCH (1,2) GARCH (2,2) Berdasarkan didapatkan model terbaik yaitu GARCH (1,2) dengan nilai penduga parameter yang signifikan dan memiliki nilai AIC terkecil. Model GARCH (p,q) terbaik untuk return S&P 500 INDEX dapat diformulasikan sebagai berikut : = = Selanjutnya dilakukan pemeriksaan model ARCH/GARCH dengan memeriksa normalitas residualnya dan diperoleh bahwa residual mengikuti distribusi normal. Uji Pengaruh Asimetrik Pada langkah ini dilakukan uji pengaruh asimetrik untuk mengetahui apakah data bersifat asimetrik atau tidak. Adanya pengaruh asimetrik inilah yang nantinya akan diterapkan suatu metode khusus yang mampu mengatasi pengaruh asimetrik, dalam hal ini adalah TARCH. Dari hasil uji asimetri terlihat bahwa hasil korelasi silang antara kuadrat galat dengan lag galatnya tidak sama dengan nol dan terdapat korelasi yang signifikan pada lead -2, -1 dan lag ke 0, 1, 2, 3, 6 dan 8. Hal ini menunjukkan adanya pengaruh asimtrik maka dalam kasus ini akan digunakan salah satu model yang mampu mengatasi adanya asimetrik data, yaitu model TARCH.

6 Pemodelan TARCH Mean model Orde threshold Model TARCH Parameter (P-value) AIC ARMA (1,0) 1 2 TARCH (1,2) TARCH (1,2) = (0) = (0.007) = (0.02) = (0.02) = (0.02) = (0.0082) = (0.7207) = (0.67) = (0.04) = (0.81) = (0.29) Berdasarkan nilai AIC nya dan seluruh koefisien parameternya signifikan,didapat model TARCH terbaik yaitu TARCH (1,2) dengan orde threshold 1. Model TARCH (1,2) dengan orde threshold 1 dapat diformulasikan sebagai berikut : = = Selanjutnya dilakukan pemeriksaan model ARCH/GARCH dengan memeriksa normalitas residualnya dan diperoleh bahwa residual mengikuti distribusi normal. Dari uji ARCH-LM jg terbukti bahwa sisaan sudah tidak mengandung efek ARCH/GARCH, terbukti hingga lag 36 nilai-p sisaan tidak ada yang signifikan, sehingga membuktikan bahwa model TARCH (1,2) yang terbentuk telah sesuai atau model layak digunakan. PERAMALAN data sudah stasioner dan memenuhi berbagai asumsi serta residualnya sudah berdistribusi normal, maka peramalan untuk model EGARCH sudah bisa diterapkan. Hasil peramalan model TARCH(1,2) dapat dilihat pada gambar di bawah ini

7 Pada gambar di atas terlihat bahwa nilai MAPE untuk model TARCH(1,2) adalah Selain itu dapat terlihat juga bahwa nilai bias proporsi mendekati nol, nilai varian proporsi yang sangat kecil dan nilai kovarian proporsi yang mendekati 1 dengan masing-masing nilainya, bias proporsi adalah , varian proporsi adalah dan kovarian proporsi adalah Sehingga model TARCH(1,2) merupakan model yang cukup baik untuk meramalkan nilai harga saham penutupan S&P 500 INDEX pada periode berikutnya, yaitu : = = ( ) ( ) ( )(0) ( ) = = ( ) = Hasil ramalan ragam bersyarat S & P 500 INDEX untuk satu periode ke depan sebesar dan return S & P 500 INDEX satu periode ke depan sebesar dari hasil ramalan return S & P 500 INDEX dapat diperoleh ramalan harga saham S & P 500 INDEX sebesar Pada hasil peramalan data di atas, jika nilai mutlak dari selisih antara data asli dengan data ramalan dikalikan 100%, maka diperoleh persentase dari kesalahan ramalan. Dengan melakukan penghitungan persentase kesalahan peramalan diperoleh bahwa persentase kesalahan untuk data ke-122 adalah Ini menunjukkan bahwa persentase kesalahan dari hasil peramalan di atas relatif kecil. PENUTUP Pada proses peramalan nilai harga saham penutupan (close) S & P 500 INDEX di atas diperoleh kesimpulan bahwa hasil identifikasi model didapatkan bahwa model yang cocok adalah ARMA(1,0), kemudian dilakukan proses lebih lanjut untuk menentukan model peramalan dengan menggunakan model TARCH dan model yang terbaik adalah model TARCH (1,2) dengan orde threshold 1. Persamaan varian dari model TARCH (1,2) : = Peramalan nilai ragam bersyarat 1 periode mendatang dapat langsung diketahui dengan memodelkan kuadrat sisaan ke-121 ( ) dan ke-120 ( ), ragam bersyarat sisaan ke-121 ( ) serta memasukkan variabel threshold (asimetris) dengan melihat tanda sisaan ke-121 ( ). = Untuk menghitung return satu periode yang akan datang : = ( ) = Dari hasil ramalan return S & P 500 INDEX dapat diperoleh ramalan harga saham S & P 500 INDEX sebesar Pada hasil peramalan data di atas diketahui bahwa persentase kesalahan data hasil ramalan dengan data yang sebenarnya relatif kecil yaitu untuk peramalan data ke-122. SARAN 1. Peramalan data asimetrik pada pembahasan ini dilakukan dengan menggunakan model TARCH, salah satu model yang bisa digunakan dalam kasus khusus yaitu apabila data bersifat asimetrik. Untuk itu pada penelitian selanjutnya disarankan untuk meramalkan data asimetrik dengan model lain yang mampu mengatasi adanya pengaruh asimetrik seperti model TGARCH.

8 2. Pada pembahasan ini hanya menggunakan model TARCH, belum dicoba melakukan perbandingan dengan model lain. Sehingga untuk selanjutnya akan lebih baik jika melakukan pengolahan data dengan membandingkan dua metode atau lebih untuk menentukan model terbaik, seperti membandingkan model TARCH dengan model TGARCH, PARCH, GARCH-M atau yang lainnya. DAFTAR PUSTAKA Lo, M.S, Generalized AutoRegressive Conditonal Hetrocedastic Time Series Model. Thesis Department of Statistics and Actuaria Science. Simon Fraser University Rahayu, D.S, dan Firmansyah Estimasi Pengaruh Inflasi dan Tingkat Output Terhadap Return dan Volatilitas Saham di Indonesia (Pendekatan Model GARCH, TARCH dan EGARCH), 14 (1). (Online), ( sjd.pdii.lipi.go.id), diakses 25 Februari Widiyati, N Penerapan Model GARCH dan Model EGARCH Pada Saham Sektor Properti Ketika Krisis Ekonomi Dunia. Skripsi. Institut Pertanian Bogor: Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Wei, S.W.W Time Series Analysis Univariate and Multivariate Methods. Addison-Welsey Publishing Company. New York. Winarno, W.W Analisis Ekonometrika dan Statistika dengan Eviews. Yogyakarta: Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN.

9

PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH

PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH, Universitas Negeri Malang E-mail: die_gazeboy24@yahoo.com Abstrak: Penelitian ini bertujuan untuk mengetahui model

Lebih terperinci

Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH

Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH 6 Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data Identifikasi model ARCH Pendugaan parameter dan pemilihan model ARCH/GARCH Uji pengaruh asimetrik

Lebih terperinci

PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS

PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS S-9 PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Retno Hestiningtyas dan Winita Sulandari, M.Si Jurusan Matematika FMIPA UNS ABSTRAK. Pada data finansial sering terjadi keadaan leverage effect,

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura

Lebih terperinci

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)

Lebih terperinci

Suma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya

Suma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya PEMODELAN RETURN IHSG PERIODE 15 SEPTEMBER 1998 13 SEPTEMBER 2013 MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (TGARCH(1,1)) DENGAN DUA THRESHOLD Suma Suci Sholihah,

Lebih terperinci

BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa

BAB 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 terperinci

BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) Proses TARCH merupakan modifikasi dari model ARCH dan GARCH.

BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) Proses TARCH merupakan modifikasi dari model ARCH dan GARCH. BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) 3.1. Model TARCH Proses TARCH merupakan modifikasi dari model ARCH dan GARCH. Pada proses ini nilai residu yang lebih kecil dari nol

Lebih terperinci

BAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham

BAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham 32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,

Lebih terperinci

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat

Lebih terperinci

BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) Asymmetric Power Autoregressive Conditional Heteroscedasticity

BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) Asymmetric Power Autoregressive Conditional Heteroscedasticity BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) 3.1 Proses APARCH Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) diperkenalkan oleh Ding, Granger

Lebih terperinci

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

Lebih terperinci

MENGGUNAKAN METODE GARCH ASIMETRIS

MENGGUNAKAN METODE GARCH ASIMETRIS PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS SKRIPSI Disusun Oleh : MUHAMMAD ARIFIN 24010212140058 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

Lebih terperinci

BAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah

BAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah BAB IV PEMBAHASAN 4.1 Deskripsi Data Gambar 4.1 memperlihatkan bahwa data berfluktuasi dari waktu ke waktu. Hal ini mengindikasikan bahwa data tidak stasioner baik dalam rata-rata maupun variansi. Gambar

Lebih terperinci

MODEL NON LINIER GARCH (NGARCH) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG

MODEL NON LINIER GARCH (NGARCH) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG E-Jurnal Matematika Vol. 4 (2), Mei 215, pp. 59-66 ISSN: 233-1751 MODEL NON LINIER (N) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG I Komang Try Bayu Mahendra 1, Komang Dharmawan 2, Ni Ketut

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.

Lebih terperinci

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam

Lebih terperinci

PENGGUNAAN 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 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. Jurusan

Lebih terperinci

PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)

PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 465-474 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji 35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,

Lebih terperinci

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN: METODE PERAMALAN MENGGUNAKAN MODEL VOLATILITAS ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR Cindy Wahyu Elvitra 1, Budi Warsito 2, Abdul

Lebih terperinci

BAB I PENDAHULUAN. penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan

BAB I PENDAHULUAN. penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan 1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang, peramalan merupakan salah satu unsur yang sangat penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan peramalan

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian 4.2 Jenis dan Sumber Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian 4.2 Jenis dan Sumber Data IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian tentang risiko harga sayuran di Indonesia mencakup komoditas kentang, kubis, dan tomat dilakukan di Pasar Induk Kramat Jati, yang

Lebih terperinci

PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH)

PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2016, Halaman 91-99 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB 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 terperinci

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar

Lebih terperinci

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)

KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH

PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan

Lebih terperinci

BAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data

BAB 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 terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Jenis Penelitian Penelitian dalam menganalisis volatilitas Indeks Harga Saham Gabungan (IHSG) dan sembilan Indeks Harga Saham Sektoral dengan metode ARCH, GARCH, EGARCH, TGARCH,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah

Lebih terperinci

PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR)

PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) Oleh: Julianto (1) Entit Puspita (2) Fitriani Agustina (2) ABSTRAK Dalam melakukan investasi dalam saham, investor

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen

Lebih terperinci

SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU

SENSITIFITAS 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 terperinci

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,

Lebih terperinci

PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.

PENENTUAN 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 terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Sumber Data Penelitian ini menggunakan data sekunder yang diperoleh dari BEI. Data yang digunakan dalam penelitian ini merupakan data harian yang dimulai dari 3 Januari 2007

Lebih terperinci

BAB I PENDAHULUAN. satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan

BAB 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 terperinci

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer

Lebih terperinci

PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)

PERBANDINGAN 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 terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 151-160 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN

Lebih terperinci

Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch

Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch EKBISI, Vol. IX, No. 1, Desember 2014, hal. 57-66 ISSN:1907-9109 Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch Ahmad Syarif 1 Fakultas Syariah dan Hukum UIN Sunan

Lebih terperinci

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1 Desain Penelitian Penelitian ini didasari oleh gejolak/volatilitas nilai tukar rupiah terhadap mata uang asing (valuta asing).pada nilai transaksi jual beli valuta asing yang

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB 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 terperinci

PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS

PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS SKRIPSI Disusun Oleh : ULFAH SULISTYOWATI 24010210120052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS

Lebih terperinci

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA DAFTAR ISI PERNYATAAN... i ABSTRAK... ii KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xi BAB I PENDAHULUAN... 1 1.1 Latar Belakang...

Lebih terperinci

PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH

PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas

Lebih terperinci

Disusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar

Disusun 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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan

Lebih terperinci

BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH)

BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH) BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH) 3.1 Proses Nonlinear Autoregressive Conditional Heteroskedasticity (N-ARCH) Model Nonlinear Autoregressive Conditional

Lebih terperinci

PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS. Keywords: Stocks, Portfolio, Return, Volatility, Asymmetric GARCH.

PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS. Keywords: Stocks, Portfolio, Return, Volatility, Asymmetric GARCH. ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS

Lebih terperinci

PENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT

PENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT PENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT Yoseva Agung Prihandini 1, Komang Dharmawan 2, Kartika Sari 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email:

Lebih terperinci

BAB IV ANALISIS HASIL PENELITIAN

BAB IV ANALISIS HASIL PENELITIAN BAB IV ANALISIS HASIL PENELITIAN 4.1 Menghitung Return Karena penelitian ini mengukur potensi kerugian maksimum dari saham BMRI. Maka, langkah pertama adalah menghitung return hariannya dengan rumus (2-3)

Lebih terperinci

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input

Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :

Lebih terperinci

UNNES Journal of Mathematics

UNNES Journal of Mathematics UJM 5 (2) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN TAKSIRAN VALUE AT RISK DENGAN PROGRAM R DAN MATLAB DALAM ANALISIS INVESTASI SAHAM MENGGUNAKAN METODE

Lebih terperinci

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat

Lebih terperinci

BAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks

BAB 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 terperinci

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 633-640 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DAN MODEL FUNGSI TRANSFER

Lebih terperinci

PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH

PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH BUNGA LETY MARVILLIA Matematika, Fakultas Ilmu Pengetahuan Alam, UNESA Jl. Ketintang villy_cute_7@yahoo.com 1, raywhite_vbm@gmail.com

Lebih terperinci

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH Jurnal Matematika UNAND Vol. VI No. 1 Hal. 1 8 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN INVESTASI PADA MATA UANG DOLAR AMERIKA (USD) DAN YEN JEPANG (JPY) DENGAN MODEL ARIMA DAN GARCH

Lebih terperinci

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si

Oleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan

Lebih terperinci

MENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE

MENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 82-89 ISSN: 2303-1751 MENENTUKAN PORTOFOLIO OPTIMAL MENGGUNAKAN MODEL CONDITIONAL MEAN VARIANCE I Gede Ery Niscahyana 1, Komang Dharmawan 2, I Nyoman Widana

Lebih terperinci

TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk)

TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk) Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 71 78. TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Stasioneritas Stasioneritas berarti bahwa tidak terdapat perubahan yang drastis pada data. Fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung

Lebih terperinci

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO

PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH

BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi Penelitian 4.2. Data dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi Penelitian 4.2. Data dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi Penelitian Penelitian mengenai risiko harga dan perilaku penawaran apel dilakukan di PT Kusuma Satria Dinasasri Wisatajaya yang beralamat di Jalan Abdul Gani Atas, Kelurahan

Lebih terperinci

PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)

PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH) PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH) SKRIPSI Disusun oleh: MAIDIAH DWI NARURI SAIDA 24010212120003 DEPARTEMEN

Lebih terperinci

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH

PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran

Lebih terperinci

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan

Lebih terperinci

PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)

PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS

Lebih terperinci

MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM

MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM (Studi Kasus pada Saham PT. ANTAM (Persero) Tbk) SKRIPSI Diajukan Kepada

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN

BAB 3 METODOLOGI PENELITIAN 31 BAB 3 METODOLOGI PENELITIAN Pada bab ini akan dibahas mengenai tahapan-tahapan serta metode pengolahan data yang akan digunakan dalam penelitian. Penelitian tahap pertama mencoba untuk keberadaan fenomena

Lebih terperinci

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249 JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,

Lebih terperinci

BAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),

BAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan

Lebih terperinci

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PREDIKSI 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 terperinci

III. METODE PENELITIAN. model struktural adalah nilai PDRB, investasi Kota Tangerang, jumlah tenaga kerja,

III. METODE PENELITIAN. model struktural adalah nilai PDRB, investasi Kota Tangerang, jumlah tenaga kerja, III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang dibutuhkan dalam penelitian ini adalah data sekunder dalam bentuk time series dari tahun 1995 sampai tahun 2009. Data yang digunakan dalam model

Lebih terperinci

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation BAB II LANDASAN TEORI Pada Bab II akan dijelaskan pengertian-pengertian dasar yang digunakan sebagai landasan pembahasan pada bab selanjutnya yaitu peramalan data runtun waktu (time series), konsep dasar

Lebih terperinci

PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman

PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman g UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani,

Lebih terperinci

BAB I PENDAHULUAN. statistika sebagai dasar analisis atau perancangan yang menyangkut olah data

BAB I PENDAHULUAN. statistika sebagai dasar analisis atau perancangan yang menyangkut olah data BAB I PENDAHULUAN A. Latar Belakang Tanpa disadari dalam kehidupan sehari-hari sesungguhnya statistika telah banyak dipakai meskipun dalam bentuk yang sangat sederhana. Sekarang ini ilmu statistika telah

Lebih terperinci

PENGGUNAAN 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 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 terperinci

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika

Lebih terperinci

METODE PENELITIAN. Data yang dipakai untuk penelitian ini adalah data sekunder (time series)

METODE PENELITIAN. Data yang dipakai untuk penelitian ini adalah data sekunder (time series) 48 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang dipakai untuk penelitian ini adalah data sekunder (time series) yang didapat dari Statistik Ekonomi Keuangan Indonesia (SEKI) Bank Indonesia

Lebih terperinci

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder (time series) yang diperoleh dari beberapa lembaga dan instansi pemerintah,

Lebih terperinci

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

V. ANALISIS VOLATILITAS VARIABEL EKONOMI. Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor

V. ANALISIS VOLATILITAS VARIABEL EKONOMI. Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor 117 V. ANALISIS VOLATILITAS VARIABEL EKONOMI 5.1. Deskripsi Data Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor industri, SBI riil dan devaluasi riil diuraikan pada bagian berikut.

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di: ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 705-715 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN VOLATILITAS PADA RETURN SAHAM BANK BUKOPIN

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series

III. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series 51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series yang didapat dari Bank Indonesia dan Badan Pusat Statistik dan melalui

Lebih terperinci

PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UIN SUNAN KALIJAGA YOGYAKARTA 2015

PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UIN SUNAN KALIJAGA YOGYAKARTA 2015 ANALISIS RISIKO INVESTASI SAHAM SYARI AH DENGAN MODEL VALUE AT RISK-THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICITY (VaR-TARCH) (Studi Kasus: Indeks Harga Saham JII Periode 4 Maret 2013 Sampai 27

Lebih terperinci

MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN

MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK PREDIKSI DAN AKURASI HARGA SAHAM MASA DEPAN GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) MODEL FOR PREDICTION

Lebih terperinci

HASIL DAN PEMBAHASAN. mengalami fluktuasi antar waktu. Data tersebut mengindikasikan adanya

HASIL DAN PEMBAHASAN. mengalami fluktuasi antar waktu. Data tersebut mengindikasikan adanya 47 IV. HASIL DAN PEMBAHASAN 4.1 Volatilitas Harga Minyak 4.1.1 Deskripsi Data Plot data harga minyak pada bulan Januari 2000 hingga bulan Desember 2011 dapat dilihat pada Gambar 4.1. Hal ini menunjukan

Lebih terperinci

MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG

MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG Oleh ALFI NUR DINA NIM M0110002 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian

Lebih terperinci