PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH)

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH)"

Transkripsi

1 erusaaan.uns.ac.d dglb.uns.ac.d PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY APARCH Oleh BONDRA UJI PRATAMA M SKRIPSI duls dan dauan unu memenuh sebagan ersyaraan memeroleh gelar Sarana Sans Maemaa FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 0 comm o user

2 erusaaan.uns.ac.d dglb.uns.ac.d ABSTRAK Bondra U Praama 0. PERAMALAN KURS EURO TERHADAP RUPIAH MENGGUNAKAN MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY APARCH. Faulas Maemaa dan Ilmu Pengeahuan Alam. Unversas Sebelas Mare. Model ARMA meml asums homoscedascy sedangan model ARCH dan GARCH memunya asums heeroscedascy. Kega model n da memunya asums bahwa enurunan harga bad news mauun enngaan harga good news memberan engaruh yang da smers erhada volalasnya yang basa denal dengan slah leverage effec. Namun daa urs euro erhada ruah memunya sfa heeroscedascy dan leverage effec. Adanya heeroscedascy dan leverage effec daa dselesaan menggunaan model Asymmerc Power Auoregressve Condonal Heeroscedascy APARCH. Tuuan srs n adalah menenuan model runun wau yang sesua unu urs euro erhada ruah. Model yang sesua ersebu dgunaan unu meramalan daa urs euro erhada ruah. Meode yang dgunaan dalam srs n adalah eneraan asus. Daa yang dgunaan unu eramalan adalah urs euro erhada ruah erode 8 Januar 00 sama 7 Seember 0. Model APARCH yang erba daa dlh berdasaran nla Aae Info Creron AIC dan Schwarz Creron SC. Model erba unu meramalan daa urs euro erhada ruah adalah model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya. Nla ramalan daa urs euro erhada ruah unu 7 erode berunya mendea daa aslnya. Hal n dunuan dengan semua nla daa asl 7 erode e dean berada d dalam nerval onfdens 95% yang berar nga eercayaan hasl ramalan sebesar 95%. Hal n derua dengan nla Mean Absolue Percenage Error MAPE yang relaf ecl yau %. Kaa unc : heeroscedascy leverage effec APARCH. comm o user

3 erusaaan.uns.ac.d dglb.uns.ac.d ABSTRACT Bondra U Praama. 0. FORECASTING THE EURO EXCHANGE RATE TO RUPIAHS USING APARCH MODEL. Faculy of Mahemacs and Naural Scences. Sebelas Mare Unversy. ARMA model has homoscedascy assumon whle ARCH and GARCH model has heeroscedascy assumon. They are have no assumon ha rce decrease bad news or rce ncrease good news gve an asymmerc effec o he volaly well nown as leverage effec. Noneheless euro exchange rae daa o ruahs has heeroscedascy roery and leverage effec. They can be solved by usng Asymmerc Power Auoregressve Condonal Heeroscedascy APARCH model. The am of hs aer s deermnng me seres model whch arorae for euro exchange rae o ruahs. The model s used o forecas euro exchange rae o ruah. The mehod for hs aer s cases alcaon. The daa s euro exchange rae o ruah from January 8 h 00 o Seeember 7 h 0. The bes APARCH model s seleced based on he value of Aae Info Creron AIC and Schwarz Creron SC. The bes model for forecasng euro exchange rae daa o ruah s APARCH model wh ARMA0 model as condonal mean model. The forecasng value of euro exchange rae daa o ruah for 7 nex erods s close o he orgnal daa. Ths s showed by all he orgnal daa values whn 95% confdence nerval s meanng ha confdence level of forecasng resul s 95%. Ths s srenghened by small relave value of Mean Absolue Percenage Error MAPE s %. Keywords : heeroscedascy leverage effec APARCH comm o user v

4 erusaaan.uns.ac.d dglb.uns.ac.d BAB I PENDAHULUAN. Laar Belaang Euro adalah maa uang yang dgunaan d 6 negara anggoa Un Eroa ada ahun 0. Wlayah engguna maa uang euro dsebu sebaga Zona Euro. Secara gral maa uang n mula daa sea anggal Januar 999 dan secara fs baru daa ada anggal Januar 00 oleh negara anggoa Un Eroa Sea derenalan maa uang euro mennga secara cea ea US dollar dolar Amera Sera mash mendomnas asar valua asng arena elah menad sandar ransas duna. Serng beralannya wau nla euro seman mengua dan mamu mengmbang US dolar sehngga membua beberaa alangan mula beralh e euro sebaga alernaf nvesas valua asng Invesas valua asng d Indonesa hususnya euro yang lebh derhaan nvesor adalah fluuas nla uar euro erhada ruah. Hal u darenaan nvesor lebh memlh eunungan relaf dar nvesasnya. Berambahnya nvesor d Indonesa aan sanga memengaruh erumbuhan ereonoman d Indonesa. Fluuas nla uar maa uang urs euro erhada ruah daa dmodelan menggunaan analss runun wau arena meruaan hmunan observas eruru. Daa runun wau daa dmodelan menggunaan model Auoregressve Movng Average ARMA. Menuru Bollerslev 986 model ARMA daa ddenfas menggunaan Auocorelaon Funcon ACF dan Paral Auocorelaon Funcon PACF. Model ARMA meml asums varans eror yang onsan yang denal dengan slah homoscedascy. Pada enelan sebelumnya yang dlauan Wdyan 008 daa urs euro erhada ruah memunya sfa volaly cluserng. Volaly cluserng ddefnsan sebaga berumulnya seelomo ase reurn yang bernla besar dan du seelomo ase reurn yang bernla ecl. Volaly cluserng mengndasan varans yang da onsan aau heeroscedascy sehngga daa urs euro erhada ruah memunya comm o sfa user heeroscedascy.

5 erusaaan.uns.ac.d dglb.uns.ac.d Engle 98 memerenalan model ARCH Auoregressve Condonal Heeroscedascy unu memodelan daa yang meml varans yang da onsan aau heeroscedascy. Model ARCH dalam alas emrsnya relaf membuuhan nla lag yang anang ada model varans bersyaranya. Model GARCH Generalzed Auoregressve Condonal Heeroscedascy meruaan enyederhanaan dar model ARCH dengan menguseraan varans masa lalu unu menelasan varans masa yang aan daang sehngga deroleh asran varans yang lebh aura Bollerslev 986. Model ARCH dan GARCH memunya asums bahwa enurunan harga ase bad news dan enngaan harga ase good news memberan engaruh smers erhada volalasnya. Menuru Chen 005 ada daa fnansal serng erad eadaan leverage effec yau suau eadaan bad news dan good news memberan engaruh yang da smers erhada volalasnya. Penelan sebelumnya yang dlauan Hesnngyas 009 daa urs euro erhada ruah meruaan daa fnansal yang meml onds leverage effec. Menuru Zhou 009 unu memodelan daa yang meml sfa heeroscedascy dan onds leverage effec daa dgunaan model APARCH Asymmerc Power Auoregressve Condonal Heeroscedascy yang derenalan oleh Dng Granger dan Engle ada ahun 993. Ide oo model APARCH adalah menggan anga edua order dar eror dalam benu yang flesbel dan memunya oefsen asymmerc unu mengaas leverage effec dalam erhungan. Model APARCH adalah model yang sesua unu memodelan daa urs euro erhada ruah unu erode 8 Januar 00 sama 7 Seember 0. Krera nformas dgunaan unu emlhan model erba yang dlh berdasaran Aae Info Creron AIC dan Schwarz Creron SC arena edua rera n onssen dalam menduga arameer model. Model APARCH yang deroleh dgunaan unu meramalan daa urs euro erhada ruah erode 8 Januar 00 sama 7 Seember 0. comm o user

6 erusaaan.uns.ac.d dglb.uns.ac.d. Perumusan Masalah Berdasaran laar belaang masalah daa drumusan ermasalahan sebaga beru.. Bagamana memodelan daa urs ual euro erhada ruah dengan model APARCH.. Bagamana emlhan model erba unu memodelan daa urs ual euro erhada ruah. 3. Bagamana hasl eramalan daa urs ual euro erhada ruah menggunaan model erba..3 Tuuan Penelan Berdasaran erumusan masalah maa uuan dar enelan n adalah sebaga beru.. Memodelan daa urs ual euro erhada ruah dengan model APARCH.. Mencar model erba unu memodelan daa urs ual euro erhada ruah. 3. Meramalan daa urs ual euro erhada ruah menggunaan model erba..4 Manfaa Penelan Manfaa yang deroleh dar enelan n adalah. Memberan engeahuan mengena model APARCH dalam runun wau fnansal.. Mendaaan nformas enang hasl ramalan urs euro erhada ruah ada beberaa erode selanunya. comm o user 3

7 erusaaan.uns.ac.d dglb.uns.ac.d BAB III METODE PENELITIAN Meode yang dgunaan dalam enelan n adalah eneraan model dengan menggunaan daa nla uar urs euro yang dambl ada har Senn Juma dan selan har lbur nasonal mula 8 Januar 00 sama 7 Seember 0. Daa n deroleh dar webse Ban Indonesa yau dan danalss menggunaan sofware Evews 5.. Langahlangah analss daa adalah. membua lo daa unu melha esasoneran daa dalam mean dan varans. mengubah daa e benu log reurn aabla daa belum sasoner ba dalam raaraa mauun varans 3. mengu araers log reurn 4. menganalss model ARMA a. membua lo ACF dan PACF unu mengdenfas model ARMA yang sesua dgunaan unu memodelan raa raa bersyara dar daa b. mengesmas arameer model ARMA c. melauan emersaan dagnos model ARMA unu mengu elayaan model. Model daaan ba a resdu yang dhaslan sudah da meml auoorelas dan meml homoscedascy varans resdu 5. menganalss adanya efe heeroscedascy dalam daa dengan melha nla ACF dan PACF dar uadra resdu model ARMA dan mengunaan u Efe ARCH Lagrange Muller 6. membenu dan mengdenfas model GARCH a. mencar model GARCH yang sesua unu memodelan heeroscedascy dar resdu model raa raa bersyara b. mencar model erba dar model GARCH yang sesua dengan melha nla AIC dan SC yang erecl 7. mengu easmersan erhada volalas dengan melha cross correlogram anara uadra sandar resdu dar model GARCH ~ dengan lagged sandar resdu dar model GARCH ~ comm o user 0

8 erusaaan.uns.ac.d dglb.uns.ac.d 8. menganalss model APARCH a. mengdenfas model. mencar model APARCH yang sesua unu memodelan heeroscedascy dar resdu model raa raa bersyara. mencar model erba dar model APARCH yang sesua dengan melha nla AIC dan SC yang erecl. mengesmas model raa raa bersyara dengan heeroscedascy bersyara erba secara bersama b. melauan emersaan dagnos model erba unu mengu elayaan model. memersa efe heeroscedascy ada resdu ersandar menggunaan u efe ARCH Lagrange Muller. memersa asums dsrbus resdu ersandar 9. melauan eramalan a. meramalan volalas log reurn menggunaan model heeroscedascy yang elah deroleh b. meramalan nla log reurn menggunaan model raa raa bersyara unu mencar nla ramalan urs ual euro erhada ruah. Pembenuan model APARCH dlauan secara beraha yang delasan ada bagan alr ada gambar beru comm o user

9 erusaaan.uns.ac.d dglb.uns.ac.d Plo daa Log Reurn Tda Daa sasoner Sasoner Karaers Log Reurn Ya ACF dan PACF Idenfas Model ARMA Esmas Parameer Auoorelas Tda Efe heeroscedascy Ya Model GARCH Model GARCH Tda Keasmersan Ya Idenfas Model APARCH Esmas Model Bersama Esmas Model U Dagnos Model Peramalan Gambar 3.. Bagan Alr Pembenuan Model APARCH comm o user

10 erusaaan.uns.ac.d dglb.uns.ac.d BAB II TINJAUAN PUSTAKA. Tnauan Pusaa Model GARCH meruaan enyederhanaan dar model ARCH dengan menguseraan varans masa lalu unu menelasan varans masa yang aan daang sehngga deroleh asran varans yang lebh aura Bollerslev 986. Model GARCH dgunaan unu memodelan daa runun wau yang meml varans yang da onsan heeroscedascy. Model GARCH memunya asums bahwa enurunan harga ase bad news mauun enngaan harga ase good news memberan engaruh yang smers erhada volalasnya. Pada enelan sebelumnya yang dlauan Hesnngyas 009 daa urs euro erhada ruah memunya sfa heeroscedascy dan onds leverage effec. Menuru Chen 005 leverage effec adalah suau onds dmana bad news dan good news memberan engaruh yang da smers erhada volalasnya. Adanya leverage effec ada daa urs euro erhada ruah mengabaan model GARCH da sesua dgunaan. Menuru Zhou 009 unu memodelan daa yang meml sfa heeroscedascy dan onds leverage effec daa dgunaan model APARCH. Pembenuan model APARCH memerluan beberaa eor danaranya log reurn araersr log reurn fungs ACF dan PACF u auoorelas resdu u efe heeroscedascy dan easmersan model... Log Reurn Reurn dnerreasan sebaga harga relaf yang berubah mengu erbandngan soc mares. Dalam sud mengena eonom dan fnansal yang lebh dberaan adalah nla reurn darada nla sebenarnya. Hal u darenaan yang menad usa erhaan dar daa fnansal adalah fluuas harga yang erad. Menuru Chen 005 log reurn drumusan sebaga beru comm o user 4

11 erusaaan.uns.ac.d dglb.uns.ac.d dengan r adalah log reurn ada wau e dan P adalah harga nla uar euro erhada ruah ada wau e. Log reurn uga dgunaan unu menadan daa sasoner erhada raaraa... Karaers Log Reurn Karaers daa log reurn dalam embenuan model heeroscedascy adalah daa log reurn meml volaly cluserng yang danda dengan berumulnya seelomo ase reurn yang bernla besar emudan du seelomo ase reurn yang bernla ecl dan uross dar dsrbus daa log reurn berbenu leour. Nla uross yang lebh besar dar ga menandaan bahwa dsrbus daa berbenu leour dengan eor lebh ende dar dsrbus normal. Kuross uga daa dgunaan unu melha benu dar dsrbus daa. Aabla nla urossnya mendea ga dan nla sewnessnya mendea nol maa daa ersebu berdsrbus normal. Menuru Ba 005 uross dan sewness drumusan sebaga beru dengan adalah daa log reurn e adalah raaraa daa adalah varans daa dan adalah umlah daa observas. Adanya auoorelas ada daa log reurn daa deahu menggunaan fungs ACF dan PACF. Aabla daa log reurn meml auoorelas maa daa log reurn daa dmodelan menggunaan model ARMA...3 Fungs ACF dan PACF Menuru Bollerslev 986 Auocorelaon Funcon ACF dan Paral Auocorelaon Funcon PACF dgunaan sebaga ala unu mengdenfas model ARMA. ACF adalah fungs yang menunuan besarnya orelas anara engamaan ada wau e dengan comm o engamaan user ada wau sebelumnya 5

12 erusaaan.uns.ac.d dglb.uns.ac.d sedangan PACF adalah fungs yang menunuan besarnya orelas arsal anara engamaan ada wau e dengan engamaanengamaan ada wau sebelumnya. Menuru Cryer 986 roses r daaan sasoner aabla denuh E r var r dan r r E r r cov dengan cov r r adalah fungs dar selsh wau. Korelas anara r dan s r adalah corr r r cov r r var rr var r 0 dengan adalah fungs auoorelas aau ACF. Karena maa Auoorelas desmas oleh daa runun wau. sas u Q dar LungBox comm adalah o user E r T r var r. 0 r r r r ˆ 0... K T r r dengan r adalah raaraa dar dere runun wau. Menuru Panarz 983 a suau runun wau dengan raaraa sasoner maa esmas nla ACF urun secara cea mendea nol dengan seman berambahnya lag. Aabla raaraanya da sasoner maa esmas nla ACF urun secara erlahan mendea nol. U LungBox dgunaan unu mengeahu auoorelas dalam daa runun wau. Hoess dar u LungBox adalah. H 0 :... m da erdaa auoorelas dalam daa runun wau H : alng sed sau 0... m erdaa auoorelas dalam 6

13 erusaaan.uns.ac.d dglb.uns.ac.d comm o user 7 / ˆ m T T T Q dengan T adalah umlah daa adalah lag e dan m adalah umlah lag masmum yang ngn du 3. 0 H dola a Q m aau nla robablasnya urang dar nga sgnfans. Auoorelas arsal ada lag daa dandang sebaga orelas anara r dan r seelah menghlangan hubungan lner dar... r r r. Auoorelas arsal anara r dan r dnoasan dengan dsebu fungs auoorelas arsal aau PACF...4 Model ARMA Floros 005 menelasan bahwa model Auoregressve Movng Average ARMA meruaan benu model runun wau lnear yang mengdenfas ersamaan regresnya menggunaan nla masa lalunya aau ombnas nla masa lalu dan eror masa lalunya. Model ARMA mengandung dua omonen yau model Auoregressve AR dan Movng Average MA dengan adalah order dar AR dan q adalah order dar MA. Menuru Tsay 00 model AR dnoasan sebaga beru... r r r r dengan adalah arameer model AR dan adalah eror model AR. Proses AR aan sasoner a. Model MAq dnoasan sebaga beru... q q r

14 erusaaan.uns.ac.d dglb.uns.ac.d dengan adalah arameer model MA dan adalah eror model MA ada wau e. Proses MA aan sasoner a. Model ARMAq meruaan gabungan dar model AR dan MAq. Model ARMAq dreresenasan sebaga r r r r q q r r r... r... q q. Proses ARMAq aan sasoner a dan. Menuru Tarno 008 crcr model AR MAq dan ARMAq daa deahu berdasaran nla ACF dan PACF yang dsaan ada Tabel.. Tabel. Crcr Teors ACF dan PACF unu Model Sasoner Model ACF PACF AR Turun secara esonensal Teroong seelah lag MAq Teroong seelah lag q Turun secara esonensal ARMAq Teroong seelah lagq Teroong seelah lag q Menuru Cryer 986 unu mengesmas nla arameer dalam model ARMA daa dgunaan meode uadra erecl leas square mehod dengan cara memnmuman umlah uadra resdu. Jumlah uadra resdu dnoasan sebaga n S.. Nla fungs S ada ersamaan. aan mnmum a urunan arsal edua dar fungs S erhada aauun adalah lebh besar dar nol. Fungs S aan memunya suau ˆ dan ˆ yang mnmum a menyamaan urunan arsal erama fungs S erhada dan dengan nol sehngga ddaaan esmas ahr arameer ˆ dan ˆ. Msal dunya model ARMA sebaga beru r r.. Berdasaran ersamaan. deroleh comm nla o user ssa 8

15 erusaaan.uns.ac.d dglb.uns.ac.d comm o user 9 r r sehngga. n n r r S Esmas dar ˆ daa dcar dengan menyamaan S dengan nol sehngga deroleh ersamaan sebaga beru 0. n r r.3 Berdasaran ersamaan.3 deroleh. n n r r.4 Jad berdasaran ersamaan.4 esmas arameer dar ˆ menad. ˆ n n r r Esmas dar ˆ daa dcar dengan menyamaan S dengan nol sehngga deroleh ersamaan sebaga beru 0. n r r.5 Berdasaran ersamaan.5 deroleh. n n r r.6 Jad berdasaran ersamaan.6 esmas arameer dar ˆ menad sebaga beru. ˆ n n r r

16 erusaaan.uns.ac.d dglb.uns.ac.d..5 U Dagnos Model U dagnos model adalah enguan asums dar resdu model raaraa bersyara yang deroleh. Tuuan dar u dagnos model adalah mengeahu aaah model sesua unu dgunaan...5. U Auoorelas Resdu Model raaraa bersyara daaan ba aabla resdu yang dhaslan da meml auoorelas. U BreuschGodfrey dgunaan unu melha auoorelas dalam resdu model raaraa bersyara. U BreuschGodfrey dalam dengan hoess sebaga beru : da erdaa auoorelas d dalam resdu model raaraa bersyara : erdaa auoorelas d dalam resdu model raaraa bersyara. U BreuschGodfrey drumusan sebaga dengan T adalah umlah engamaan adalah umlah lag dan adalah oefsen deermnas. Sas u dbandngan dengan nla abel. dola a nla lebh besar dar nla aau nla robablas Pvalue urang dar nga sgnfans...5. Homoscedascy Varans Homoscedascy varans daa dlha dar lo resdu model raaraa bersyara. Aabla lo memerlhaan adanya fluuas yang ngg ada beberaa erode dan fluuas yang rendah ada beberaa erode yang lan maa resdu model raaraa bersyara meml efe heeroscedascy...6 U Efe Heeroscedascy Dasar dar embenuan model heeroscedascy adalah resdu dar model raa raa bersyara da meml auoorelas. Selan u uadra resdu dar model raa raa bersyara harus deenden aau meml auoorelas. Auoorelas ada uadra resdu model raaraa bersyara daa dunuan comm o user menggunaan fungs ACF dan PACF. Menuru Tsay 00 u unu mengeahu 0

17 erusaaan.uns.ac.d dglb.uns.ac.d auoorelas ada uadra resdu model raa raa bersyara daa dlauan menggunaan u LungBox. Hoess dar u LungBox adalah. H :... m 0 efe ARCH da meml auoorelas aau da erdaa H : alng sed sau 0... m meml auoorelas aau erdaa efe ARCH. sas u Q dar LungBox adalah m Q T T ˆ / T dengan T adalah umlah daa adalah lag e dan m adalah umlah lag masmum yang ngn du 3. H 0 dola a Q. m q Menuru Bollerslev 986 efe heeroscedascy ada resdu model raa raa bersyara uga daa deahu menggunaan u Lagrange Muller. Hoess dar u Lagrange Muller adalah alng sed erdaa sau ada sebuah lag. Sas u yang dgunaan adalah da ada efe ARCH sama lag erdaa efe ARCH alng da dengan adalah banyanya resdu dan adalah oefsen deermnas. dola a nla lebh besar dar aau nla robablasnya urang dar nga sgnfans...7 Model GARCH Menuru Bollerslev 986 model GARCH Generalzed Auoregressve Condonal Heeroscedascy dgunaan unu memodelan daa yang meml efe heeroscedascy. Model GARCH adalah enyederhanaan dar model ARCH dengan menguseraan varans masa lalu unu menelasan varans masa yang aan daang sehngga daa deroleh asran yang aura comm o user unu varans.

18 erusaaan.uns.ac.d dglb.uns.ac.d Menuru Zhou 009 adalah eror dar model ARMAq. Varans bersyara lalu. Dberan dgunaan unu mengganan fungs eror yang anang dmasa adalah hmunan semua nformas unu dar wau lamau sama wau e. Proses daa dmodelan sebaga z dengan E adalah varans bersyara dar eror dan E 0. Proses dsebu GARCHq a ~ N0 0 q dengan 0 q q dan Ja 0 maa model GARCH eredus menad model ARCHq. Jad model ARCH adalah benu husus dar model GARCH. Menuru Bollerslev 986 meode Bernd Hall Hall Hausman BHHH dgunaan unu mengesmas arameer dar model GARCHq. Meode n demuan oleh Bernd e al yang dnyaaan sebaga.7 dengan adalah varabel se lengh dan Berdasaran ersamaan.7 deroleh barsan nla esmas yang onvergen ada eras e. Nla ersebu aan onvergen a nla awal eras dea dengan nla esmas yang duu dan memenuh syara onvergens / e dengan e adalah olerans eror. Meode BHHH menggunaan urunan erama fungs log lelhood unu mengesmas arameer model. Model regres yang dml adalah comm o user

19 erusaaan.uns.ac.d dglb.uns.ac.d dengan adalah eror dar model regres dan adalah varabel esogen dengan z ~ N0 0 q. Oleh arena u dml veor arameer yang dnyaaan sebaga q dengan [ 0... q... ] dan 0. adalah Menggunaan asums normalas fungs densas robablas dar Fungs loglelhood unu observas e adalah l log f log log..8 Veor arameer varans yau desmas menggunaan urunan erama dar fungs loglelhood ada ersamaan.8 erhada arameer yau l l comm o user 3

20 erusaaan.uns.ac.d dglb.uns.ac.d comm o user 4 dengan u dan. w Menggunaan meode BHHH deroleh benu eras esmas arameer varans yang drumusan sebaga.9 Ieras ada ersamaan.9 daa duls e dalam benu mars sebaga dengan T T q T q q T T T l l l l l l l l l l l l l l l g g g G dengan 0 l q l l dengan dan adalah mars. Mengesmas arameer raaraa dgunaan urunan erama dar fungs lelhood ada ersamaan.8 erhada arameer yau l l l

21 erusaaan.uns.ac.d dglb.uns.ac.d comm o user 5. x.0 Msal f dan w maa ersamaan.0 menad Ieras unu esmas arameer raaraa adalah T w f x w f x T w f x. dengan q f x f. Persamaan. daa duls e dalam noas mars sebaga dengan q h f x x l dengan dan adalah mars.

22 erusaaan.uns.ac.d dglb.uns.ac.d..8 Keasmersan Model Volalas daa ddefnsan sebaga varans bersyara dar suau daa relaf erhada wau. Konds eror lebh ecl dar nol aau enurunan harga ase serng dsebu dengan slah bad news dan onds eror yang lebh besar dar nol aau enngaan harga ase serng dsebu dengan good news. Aabla bad news dan good news memberan engaruh yang da smers erhada volalas eadaan n denal sebaga leverage effec Chen 005. Leverage effec daa dama dengan membua lo cross correlogram anara uadra sandar resdu dar model GARCH ~ ~. Resdu ersandar drumusan sebaga beru dengan lagged sandar resdu dar model GARCH ~. Aabla orelas anara uadra resdu ersandar dengan lagged resdu ersandar dar model GARCH bernla nol maa resdu model ARMA da meml leverage effec sedangan a orelasnya bernla negaf maa resdu model ARMA meml leverage effec. Aabla resdu model ARMA da meml leverage effec maa daa dmodelan dengan model smers GARCH sedangan a resdu model ARMA meml leverage effec maa resdu model ARMA daa dmodelan dengan model asmers GARCH...9 Model APARCH Model Asymmerc Power Auoregressve Condonal Heeroscedascy APARCH derenalan oleh Dng Granger dan Engle ada ahun 993 unu memodelan daa yang memunya efe heeroscedascy dan onds leverage effec. Ide oo model APARCH adalah menggan edua order dar eror dalam benu anga yang lebh flesbel. Model APARCH adalah salah sau model asmers GARCH yang memunya oefsen asymmerc unu mengaas leverage effec dalam erhungan. Benu umum model APARCHq adalah z z ~ N0 comm o user 6

23 erusaaan.uns.ac.d dglb.uns.ac.d dengan dan... q. q..0 Krera Informas Krera nformas dgunaan unu emlhan model erba yang dlh berdasaran Aae Info Creron AIC dan Schwarz Creron SC arena edua rera n onssen dalam menduga arameer model. Tuuan AIC adalah menemuan reds yang erba sedangan uuan SC adalah menemuan model dengan robablas oseror erngg dar model. Menuru Azam 007 edua rera ersebu drumusan sebaga AIC l / T / T SC l / T log T / T Td T dengan l log log ˆ ˆ de ˆ ˆ T dengan l adalah fungs loglelhood adalah umlah arameer yang desmas T adalah umlah observas dan d adalah banyanya ersamaan. Seman besar nla loglelhood yang dml suau model maa model ersebu aan seman ba. Krera AIC dan SC memua fungs loglelhood sehngga model yang dlh unu meramalan daa adalah model dengan nla AIC dan SC erecl. Aabla nla AIC dan SC erecl erdaa ada dua model yang berbeda maa model yang dlh adalah model dengan nla SC erecl arena lebh onssen dalam menduga arameer model... Evaluas Hasl Peramalan Evaluas hasl eramalan beruuan unu mengevaluas ualas hasl comm o user eramalan dar model runun wau. Uuran yang dgunaan unu evaluas hasl 7

24 erusaaan.uns.ac.d dglb.uns.ac.d eramalan dalam enelan n adalah Mean Absolue Percenage Error MAPE. Menuru John 987 MAPE dgunaan sebaga ndas ersenase esalahan hasl eramalan erhada daa aslnya. Seman ecl nla MAPE maa ramalan yang dhaslan seman ba. MAPE drumusan sebaga MAPE n n r rˆ r 00% dengan n adalah umlah obervas eramalan r adalah daa asl ada wau e dan rˆ adalah daa eramalan ada wau e. Kualas hasl eramalan uga daa deahu menggunaan nerval onfdens. Inerval onfdens 95% unu engamaan berunya adalah r ˆ s 96 dengan s adalah ramalan ada erode es. Aabla semua daa asl berada d dalam nerval onfdens 95% maa nga eercayaan hasl eramalan sebesar 95%... U Dagnos Model Bersama Model bersama daaan ba a da meml efe heeroscedascy dan auoorelas dalam resdu ersandar model bersama. Efe heeroscedascy daa du menggunaan u efe ARCH Lagrange Muller dan auoorelas daa deahu dar nla ACF dan PACF. Resdu ersandar yang dhaslan dar model bersama aan meml dsrbus yang cenderung leour dengan eor lebh ende dar dsrbus normal. Benu dsrbus resdu dar model daa dlha melalu nla uross dan sewness yang dml.. Keranga Pemran Kurs euro erhada ruah meruaan derean observas varabel random yang daa dnyaaan sebaga daa runun wau arena meruaan hmunan observas yang eruru. Pergeraan urs euro erhada ruah bervaras dan berfluuas. Nlanya daa berubah dar wau e wau sehngga serng erad enngaan dan enurunan yang comm aam o ada user erode erenu. Hal n dsebu 8

25 erusaaan.uns.ac.d dglb.uns.ac.d dengan volalas. Keadaan adanya volalas dsebu dengan heeroscedascy. Pergeraan daa runun wau cenderung bersfa asmers erhada volalasnya yau meml ergeraan yang da sama anara enaan dan enurunan harga suau ase leverage effec. Pusa erhaan dar daa fnansal adalah fluuas harga yang erad. Fluuas ersebu daa deroleh dengan mengubah daa e dalam benu log reurn. Manfaa lan dar log reurn adalah membua daa menad sasoner erhada raaraanya. Daa urs euro erhada ruah meml efe heeroscedascy dan onds leverage effec. Model ARMA meml asums homoscedascy dan da memerhungan adanya engaruh leverage effec. Model ARCH dan GARCH meml asums varans eror yang da onsan heeroscedascy ea da memerhungan adanya engaruh leverage effec. Model APARCH meml asums heeroscedascy dan leverage effec. Oleh arena u unu memodelan daa urs euro erhada ruah daa menggunaan model APARCH. Model APARCH memerluan asums resdu dar model raaraa bersyara yang da meml auoorelas. Model raaraa bersyara yang dgunaan adalah model ARMA. Resdu yang deroleh dar model ARMA du efe heeroscedascy. Aabla erdaa efe heeroscedascy maa langah selanunya adalah mengesmas arameer model GARCH. Kuadra resdu ersandar dan lagged resdu ersandar yang deroleh dar model GARCH dgunaan unu mengeahu easmersan erhada volalas. Aabla asmers maa langah selanunya adalah mengesmas arameer model APARCH dan dcar model erba dengan melha nla AIC dan SC yang erecl. Langah berunya adalah mengesmas model ARMA dengan model APARCH secara bersama selanunya melauan u dagnos model bersama. Model erba yang deroleh dengan mengesmas model ARMA dan model APARCH secara bersama dgunaan unu meramalan log reurn dan urs euro erhada ruah erode Januar 00 sama Seember 0. Model yang ba adalah model yang meml nla eramalan mendea nla daa asl. comm o user 9

26 erusaaan.uns.ac.d dglb.uns.ac.d BAB IV PEMBAHASAN Sebelum dlauan eramalan urs euro erhada ruah menggunaan model APARCH erlebh dahulu dlauan esmas arameer model APARCH. 4. Esmas Parameer Model APARCH Meode BHHH ada ersamaan.7 dgunaan unu mengesmas arameer model APARCH ada ersamaan.. Meode BHHH menggunaan urunan erama fungs loglelhood unu mengesmas arameer model. Model regres yang dml adalah dengan adalah eror dar model regres dan adalah varabel esogen dengan z z ~ N0 q. Oleh arena u dml veor arameer ersebu dulsan sebaga unu APARCHq. Veor q dengan 0 [ q ] dan. adalah Menggunaan asums normalas fungs densas robablas dar Fungs loglelhood unu observas e adalah l log f log log. 4. comm o user 3

27 erusaaan.uns.ac.d dglb.uns.ac.d Veor arameer varans yau desmas menggunaan urunan erama dar fungs loglelhood ada ersamaan.3 erhada arameer yau l l dengan v dan w. Menggunaan meode BHHH deroleh benu eras esmas arameer varans yang drumusan sebaga 4. Ieras ada ersamaan.4 daa duls e dalam benu mars sebaga dengan dengan l l comm o user 4

28 erusaaan.uns.ac.d dglb.uns.ac.d comm o user 5 q l l ln ln q l dengan dan adalah mars. Mengesmas arameer raaraa dgunaan urunan erama dar fungs lelhood ada ersamaan 4. erhada arameer yau l l l. x 4.3 Msal f dan w maa ersamaan 4.3 menad Ieras unu esmas arameer raaraa adalah T w f x w f x T w f x 4.4 dengan q f ' q f x

29 erusaaan.uns.ac.d dglb.uns.ac.d dmana dengan dan da ddefnsan unu 0. Persamaan 4.4 daa duls e dalam noas mars sebaga dengan l h x ' x' q f dengan dan adalah mars. Parameer model APARCH dan model raaraa bersyara desmas menggunaan meode BHHH dengan banuan Sofware Evews 5.. Selanunya model APARCH dgunaan unu meramalan urs euro erhada ruah. 4. Desrs Daa Daa yang dgunaan ada enelan n adalah daa urs euro erhada ruah. Daa dambl ada har SennJuma dan selan har lbur nasonal mula 8 Januar 00 sama 7 Seember 0. Daa n berumlah 363 observas yang deroleh dar webse Ban Indonesa. Daa n erlamr ada Lamran. Daa urs euro erhada ruah erode 8 Januar 00 sama 7 Seember 0 dsaan ada Gambar 4.. Gambar 4. memerlhaan bahwa daa berfluuas dar wau e wau. Hal n mengndasan bahwa daa da sasoner. Hal n uga dunuan dengan nla ACF yang dsaan ada Gambar 4.. Gambar 4. menunuan lag sama lag0 ada lo ACF urun secara comm o user 6

30 erusaaan.uns.ac.d dglb.uns.ac.d erlahan dan barada d luar nerval onfdens dan lag selanunya menuu nol sehngga daa da sasoner. Gambar 4. Plo Daa Kurs Euro erhada Ruah Perode 8 Januar 00 sama 7 Seember 0 Gambar 4. Plo ACF dar Daa Kurs Euro erhada Ruah 4.3 Log Reurn Daa nla uar urs euro erhada ruah da sasoner sehngga erlu dubah e benu log reurn unu mensasoneran daa. Plo daa log reurn dsaan ada Gambar 4.3 dan erlamr ada Lamran. Gambar 4.3 memerlhaan bahwa daa sudah sasoner dalam raaraa ea varansnya da onsan. Indas bahwa daa sudah sasoner dalam raaraa uga daa dunuan melalu lo ACF yang dsaan ada Gambar 4.4. Gambar 4.4 menunuan nla ACF seelah lag erama urun secara cea mendea nol sehngga daa sasoner dalam raaraa. comm o user 7

31 erusaaan.uns.ac.d dglb.uns.ac.d Gambar 4.3 Plo Daa Log Reurn Nla Tuar Kurs Euro erhada Ruah Perode 8 Januar 00 sama 7 Seember 0 Gambar 4.4 Plo ACF dar Daa Log Reurn 4.4 Karaers Log Reurn Karaers daa log reurn dalam embenuan model heeroscedascy adalah adanya volaly cluserng. Volaly cluserng daa dlha dar lo daa uarda log reurn dan absolu log reurn yang dsaan ada Gambar 4.5 dan 4.6. Volaly cluserng uga daa dlha dar benu uross dar dsrbus daa log reurn yang leour. Selan u erlu dseld benu dsrbus daa log reurn dan adanya auoorelas dalam daa log reurn. Hsogram dan sas desrf daa log reurn dsaan ada Gambar 4.7. Plo ACF dan PACF dar daa log reurn dsaan ada Gambar 4.8. Gambar 4.7 menunuan nla uross sebesar Nla ersebu lebh besar dar 3 sehngga dsmulan bahwa urossnya berua leour. Benu uross yang leour mengndasan volaly cluserng. Adanya volaly cluserng uga derua dengan berumulnya seelomo ase reurn yang bernla besar emudan du seelomo ase reurn yang bernla ecl yang dunuan ada Gambar 4.5 dan 4.6. Adanya volaly cluserng menandaan adanya efe heeroscedascy comm o user dalam daa log reurn. 8

32 erusaaan.uns.ac.d dglb.uns.ac.d Gambar 4.7 uga menunuan nla sewness sebesar 0438 sehngga daa log reurn memll dsrbus yang smers. Oleh arena u dsrbus daa log reurn berbenu leour dan smers. Gambar 4.8 menunuan nla ACF ada lag dan PACF ada lag sama lag berbeda sgnfan dar nol yang berar daa log reurn meml auoorelas. Hal n derua dengan u LungBox Q sas sama lag0 yang memberan robablas lebh ecl dar 0 05 maa daa dsmulan bahwa daa log reurn meml auoorelas. Oleh arena u daa log reurn erlebh dahulu dmodelan dengan model ARMA. Gambar 4.5 Plo Daa Absolu Log Reurn Kurs Euro Terhada Ruah Gambar 4.6 Plo Daa Kuadra Log Reurn Kurs Euro Terhada Ruah Sewness 0438 Kuross Gambar 4.7 Hsogram dan Sas Desrf Daa Log Reurn Kurs Euro Terhada Ruah comm o user 9

33 erusaaan.uns.ac.d dglb.uns.ac.d Gambar 4.8 Plo ACF dan PACF dar Daa Log Reurn Kurs Euro Terhada Ruah 4. 5 Pembenuan Model Sasoner 4.5. Idenfas Model ARMA ACF dan PACF uga daa dgunaan unu denfas model ARMA. Nla ACF meluruh menuu nol emudan eruus seelah lag erama dan nla PACF meluruh menuu nol emudan eruus seelah lag erama ea lag e dua berada d luar nerval onfdens yang dunuan ada Gambar 4.8. Oleh arena u dmungnan model yang sesua adalah model ARMA0 ARMA0 ARMA0 ARMA dan ARMA Esmas Parameer Model ARMA Idenfas model awal menghaslan model ARMA0 ARMA0 ARMA0 ARMA dan ARMA sebaga model yang mungn unu memodelan daa log reurn. Hasl esmas arameer unu elma model ersebu dsaan ada Tabel 4. dan erlamr ada Lamran 5. Parameer model ARMA0 ARMA0 dan ARMA0 memunya nla robablas yang urang dar = 005. Oleh arena u model ARMA0 ARMA0 dan ARMA0 sesua dgunaan memodelan daa log reurn. Nla AIC dan SC erecl dml oleh model ARMA0 sehngga model ARMA0 meruaan model raaraa beryara erba. Model ARMA0 yang deroleh adalah r comm 436 o user 0 30

34 erusaaan.uns.ac.d dglb.uns.ac.d dengan adalah log reurn ada wau e dan adalah resdu model ARMA0 ada wau e. Tabel 4. Hasl Esmas Parameer Model ARMA ada Daa Log Reurn Parameer ARMA0 ARMA0 ARMA ARMA0 ARMA Prob Prob Prob AIC SC U Dagnos Model ARMA0 Model ARMA0 yang elah deroleh aan dersa lebh lanu melalu resdu yang dhaslan. Resdu model ARMA0 erlamr ada Lamran 3. Model ARMA0 dersa nga esesuaannya d dalam memodelan raaraa bersyara dar daa log reurn. Pemersaan resdu model ARMA0 anara lan u auoorelas resdu dan homoscedascy varans U Auoorelas Resdu Model ARMA0 Model raaraa bersyara daaan ba a resdu yang dhaslan da meml auoorelas. U sas BreuschGodfrey dgunaan unu mendees auoorelas resdu. U sas BreuschGodfrey menggunaan 0 lag erama arena enguan ada laglag awal sudah mewal unu menunuan auoorelas ada resdu. Hoess dar u BreuschGodfrey adalah : da erdaa auoorelas d dalam resdu model raaraa bersyara : erdaa auoorelas d dalam resdu model raaraa bersyara. Sas u BreuschGodfrey unu resdu model ARMA0 sama lag0 dsaan ada Tabel 4. dan erlamr ada Lamran 6. Tabel 4. menunuan nla robablas u BreuschGodfrey unu model ARMA0 adalah Nla n lebh besar dar nga comm sgnfans o user = 005 sehngga da dola. 3

35 erusaaan.uns.ac.d dglb.uns.ac.d Jad daa dsmulan bahwa d dalam resdu model ARMA0 da meml auoorelas. Tabel 4. U BreuschGodfrey Resdu Model ARMA0 Koefsen Probablas U BreuschGodfrey ARMA Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Resdu ada lag Gambar Homoscedascy Varans Model ARMA0 Homoscedascy varans dar resdu model ARMA0 daa dlha ada Gambar 4.9 Plo Resdu Model ARMA0 Gambar 4.9 memerlhaan adanya fluuas yang ngg ada beberaa erode dan fluuas yang rendah ada erode yang lan. Oleh arena u dndasan resdu model ARMA0 da meml varans yang onsan aau meml efe heeroscedascy. comm o user 3

36 erusaaan.uns.ac.d dglb.uns.ac.d 4.6 U Efe Heeroscedascy Model ARMA U Korelas Kuadra Resdu Model ARMA0 Resdu model ARMA0 erlu du efe heeroscedascy. U efe heeroscedascy ada model ARMA0 melu u auoorelas resdu dan resdu uadranya. Heeroscedascy ada suau model aan erdenfas a resdu model ersebu da meml auoorelas dan meml auoorelas ada uadra resdu model ersebu. Sebelumnya elah dunuan bahwa resdu model ARMA0 da meml auoorelas. Auoorelas ada uadra resdu model ARMA0 daa dlha dar nla ACF dan PACF. Plo ACF dan PACF dar uadra resdu model ARMA0 dsaan ada Gambar 4.0. Gambar 4.0 Plo ACF dan PACF Kuadra Resdu Model ARMA0 Gambar 4.0 menunuan nla ACF ada lag dan PACF ada lag dan lag berbeda sgnfan dar nol yang berar uadra resdu model ARMA0 meml auoorelas. Hal n derua dengan u LungBox Q sas sama lag0 yang memberan robablas lebh ecl dar 0 05 maa daa dsmulan bahwa uadra resdu model ARMA0 meml auoorelas. Adanya auoorelas ada uadra resdu model ARMA0 mengndasan adanya efe heeroscedascy ada resdu model ARMA0. comm o user 33

37 erusaaan.uns.ac.d dglb.uns.ac.d 4.6. U Lagrange Muller Resdu Model ARMA0 Efe heeroscedascy uga daa deahu menggunaan u Lagrange Muller. Hasl u Lagrange Muller dar resdu model ARMA0 dsaan ada Tabel 4.3 dan erlamr ada Lamran 7. U Lagrange Muller menggunaan 0 lag erama arena enguan ada laglag awal sudah mewal unu menunuan efe ARCH. Hoess dar u Lagrange Muller sama lag0 adalah da ada efe ARCH sama lag0 alng sed erdaa sau erdaa efe ARCH alng da ada sebuah lag Tabel 4.3 U Lagrange Muller unu Resdu Model ARMA0 Koefsen Probablas U Lagrange Muller Tabel 4.3 memerlhaan bahwa sas u Lagrange Muler sama lag0 unu resdu model ARMA0 menghaslan nla robablas Nla n lebh ecl dar sehngga dola. Jad daa dsmulan bahwa ada resdu model ARMA0 meml efe ARCH aau efe heeroscedascy. 4.7 Pembenuan Model GARCH Resdu model ARMA0 meml efe heeroscedascy sehngga resdu model ARMA0 daa dmodelan menggunaan model GARCHq. Model GARCHq dreresenasan dengan comm o user 34

38 erusaaan.uns.ac.d dglb.uns.ac.d ~ N0 0 q. Esmas arameer model GARCH menggunaan meode BHHH dengan banuan sofware Evews 5. yang erlamr ada Lamran 8. Hasl esmas arameer memberan hasl bahwa model GARCH yang daa dgunaan unu memodelan resdu model ARMA0 adalah GARCH GARCH dan GARCH. Pemlhan awal model GARCH yang sesua n berdasaran sgnfans arameer model. Hasl esmas arameer model GARCH dar resdu model ARMA0 dsaan ada Tabel 4.4. Tabel 4.4 Hasl Esmas Parameer Model GARCH dar Resdu Model ARMA0 Parameer 0 Prob Prob Prob Prob Prob ARMA0 GARCH GARCH GARCH AIC SC Model yang erba adalah model yang meml nla AIC dan SC erecl. Tabel 4.4 mununuan bahwa model GARCH meml nla AIC dan SC erecl. Oleh arena u unu memodelan resdu model ARMA0 dgunaan model GARCH. Model GARCH yang deroleh adalah dengan adalah resdu model ARMA0 comm o ada user wau e

39 erusaaan.uns.ac.d dglb.uns.ac.d 4.8 Keasmersan Model GARCH Kenyaaannya da semua daa runun wau meml onds leverage effec. Leverage effec daa deahu dengan menggunaan cross correlogram. Aabla orelas anara uadra resdu ersandar ~ dengan lagged resdu ersandar ~ dar model GARCH menghaslan nla negaf maa resdu model ARMA0 meml onds leverage effec. Cross correlogram anara uadra resdu ersandar dengan lagged resdu ersandar dar model GARCH dsaan ada Gambar 4.. Gambar 4. Plo Cross Correlogram anara uadra resdu ersandar dengan lagged resdu ersandar dar GARCH Nla orelas anara uadra resdu ersandar dengan lagged resdu ersandar dar model GARCH adalah 03 yang dunuan ada Gambar 4.. Hal n menunuan bahwa resdu model ARMA0 meml onds leverage effec. 4.9 Pembenuan Model APARCH Resdu model ARMA0 meml efe heeroscedascy dan leverage effec. Oleh arena u resdu model ARMA0 daa dmodelan menggunaan model APARCHq. Model APARCHq dreresenasan dengan z comm o user 36

40 erusaaan.uns.ac.d dglb.uns.ac.d Esmas arameer model APARCH menggunaan meode BHHH dengan banuan sofware Evews 5. yang erlamr ada Lamran 9. Hasl esmas model APARCH dsaan ada Tabel 4.5. q. Tabel 4.5 Hasl Esmas Parameer Model APARCH dar Resdu Model ARMA0 Parameer Prob Prob Prob Prob Prob Prob Prob ARMA0 APARCH APARCH APARCH APARCH AIC SC Pemlhan awal model yang sesua n berdasaran sgnfans arameer masngmasng model. Berdasaran sgnfans arameer model APARCH yang daa dgunaan unu memodelan resdu dar model ARMA0 adalah model APARCH APARCH APARCH dan APARCH. Model erba adalah model yang meml nla AIC dan SC erecl. Tabel 4.5 menunuan model APARCH meml nla AIC dan SC erecl. Oleh arena u unu memodelan resdu model ARMA0 dar daa log reurn dgunaan model APARCH. Model APARCH yang deroleh adalah comm o user 37

41 erusaaan.uns.ac.d dglb.uns.ac.d dengan adalah resdu model ARMA0 ada wau e. Seelah deroleh model heeroscedascy bersyara yang sesua langah berunya adalah mengesmas arameer model raa raa bersyara dengan model heeroscedascy bersyara secara bersama menggunaan meode BHHH dengan banuan sofware Evews 5. yang erlamr ada Lamran 0. Model erba dar daa log reurn adalah model ARMA0 sebaga model raaraa bersyara dengan model APARCH sebaga model heeroscedascy bersyara. Hasl esmas model ARMA0 dengan APARCH secara bersama dsaan ada Tabel 4.6. Tabel 4.6 Hasl Esmas Parameer Model ARMA0 dengan model APARCH Parameer Koefsen Probablas Model ARMA0 sebaga model raaraa bersyara yang deroleh adalah dan model APARCH sebaga model heeroscedascy bersyara yang deroleh adalah comm o user 38

42 erusaaan.uns.ac.d dglb.uns.ac.d 4.0 U Dagnos Model ARMA0APARCH 4.0. U Efe Heeroscedascy Resdu Tersandar U Lagrange Muller dgunaan unu melha efe heeroscedascy ada resdu ersandar model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya. U Lagrange Muller dengan banuan sofware Evews 5. yang erlamr ada Lamran dan dsaan ada Tabel 4.7. Tabel 4.7 U Lagrange Muller Resdu Tersandar Model APARCH dengan Model ARMA0 sebaga Raaraa Bersyaranya Koefsen Probablas U Lagrange Muller Hoess dar u Lagrange Muller sama dengan lag 0 adalah da ada efe ARCH sama lag 0 alng sed erdaa sau erdaa efe ARCH alng da ada sebuah lag. Tabel 4.7 menunuan bahwa nla robablas dar sas u Lagrange Muller sama lag0 unu model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya adalah Nla ersebu lebh besar dar = 005 maa da dola. Hal n berar bahwa resdu ersandar da meml efe ARCH Dsrbus Resdu Tersandar Hsogram dan rngasan sas resdu ersandar model APARCH comm o user dengan model ARMA0 sebaga model raaraa bersyaranya dsaan ada 39

43 erusaaan.uns.ac.d dglb.uns.ac.d Gambar 4.. Nla uross dar resdu ersandar adalah Nla uross ersebu lebh besar dar 3 sehngga dsrbus resdu ersandar berbenu leour. Oleh arena u resdu ersandar cenderung meml dsrbus dengan eor yang lebh ende dar dsrbus normal. Nla sewness dar resdu ersandar adalah Nla sewness ersebu mendea nol sehngga resdu ersandar meml dsrbus yang smers. Sewness Kuross Gambar 4. Hsogram dan Rngasan Sas dar Resdu Tersandar Model APARCH dengan Model ARMA0 sebaga Model Raaraa Bersyaranya U Auoorelas Resdu Tersandar Auoorelas ada resdu ersandar daa ddees menggunaan ACF dan PACF. Plo ACF dan PACF dar resdu ersandar model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya dsaan ada Gambar 4.3. Gambar 4.3 menunuan bahwa da ada nla ACF dan PACF dar resdu ersandar yang melebh baas nerval onfdens sehngga resdu ersandar da meml auoorelas. Hal n derua dengan u LungBox Q sas sama lag0 yang memberan robablas lebh besar dar 0 05 maa daa dsmulan bahwa ersandar model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya da meml auoorelas. comm o user 40

44 erusaaan.uns.ac.d dglb.uns.ac.d Gambar 4. Plo ACF dan PACF dar Resdu Tersandar Model APARCH dengan Model ARMA0 sebaga Model Raaraa Bersyaranya 4.0 Peramalan Berdasaran u dagnos model bersama menunuan bahwa model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya laya dgunaan unu meramalan daa log reurn dar urs euro erhada ruah. Oleh arena u eramalan daa urs euro erhada ruah menggunaan model APARCH dengan model ARMA0 sebaga model raaraa bersyaranya. Model yang ba adalah model yang nla ramalannya mendea nla daa asl Peramalan Volalas Peramalan volalas deroleh menggunaan model heeroscedascy bersyara yang desmas secara bersama dengan model raaraa bersyara. Model heeroscedascy bersyara yang dgunaan adalah model APARCH. Model heeroscedascy bersyara yang deroleh adalah Hasl ramalan volalas log reurn unu 7 erode selanunya yau erode 364 sama 370 yang dsaan comm ada Tabel o user

45 erusaaan.uns.ac.d dglb.uns.ac.d Tabel 4.8 Ramalan Volalas Log Reurn 7 Perode Selanunya Perode Nla Ramalan Peramalan Raaraa Bersyara Peramalan log reurn deroleh menggunaan model raaraa bersyara yang desmas secara bersama dengan model heeroscedascy bersyara. Model raaraa bersyara yang dgunaan adalah model ARMA0. Model raaraa bersyara yang deroleh adalah Dsrbus resdu model ARMA0 yang meml efe heeroscedascy adalah ~ N0 s s dengan s adalah ramalan ada erode es. Oleh arena u nerval onfdens 95% unu engamaan berunya adalah ˆ s r 96. Hasl ramalan log reurn unu 7 erode selanunya dsaan ada Tabel 4.9. Tabel 4.9 Hasl Ramalan Log Reurn 7 Perode Selanunya Perode Nla Ramalan Inerval Konfdens Ramalan 95% Log Reurn Baas Bawah Baas Aas comm o user 4

46 erusaaan.uns.ac.d dglb.uns.ac.d Log reurn buan daa yang sebenarnya sehngga benu log reurn harus dubah e dalam benu semula unu melha hasl ramalan urs euro erhada ruah. Log reurn drumusan sebaga dengan adalah daa urs ada erode e. Persamaan unu daa ada erode e yau. Persamaan ersebu dgunaan unu mencar nla ramalan urs euro erhada ruah berdasaran nla ramalan log reurn. Ramalan urs euro erhada ruah unu 7 erode selanunya adalah ramalan ada har SennJuma dan selan har lbur nasonal. Hasl ramalan urs euro erhada ruah unu erode e 364 sama 370 aau anggal 8 Seember 0 sama 6 Oober 0 yang dsaan ada Tabel 4.0 dan Gambar 4.4. Tabel 4.0 Ramalan Kurs Euro erhada Ruah Perode Tanggal Ramalan Daa Asl Inerval Konfdens Ramalan 95% R R Baas Bawah Baas Aas Se Se Se O O O O Kurs Euro Se 9Se 30Se 3 O 4 O 5 O 6 O ramalan daa asl baas bawah baas aas Gambar 4.4 Graf Ramalan Kurs Euro erhada Ruah 7 Perode Selanunya comm o user 43

47 erusaaan.uns.ac.d dglb.uns.ac.d Tabel 4.0 dan Gambar 4.4 menunuan nla ramalan urs euro erhada ruah 7 erode selanunya mendea nla daa aslnya. Hal n dunuan dengan semua nla daa asl 7 erode selanunya berada d dalam nerval onfdens 95% yang berar nga eercayaan hasl eramalan sebesar 95%. Hal n derua dengan nla MAPE yang relaf ecl yau %. comm o user 44

48 erusaaan.uns.ac.d dglb.uns.ac.d BAB V PENUTUP 5. Kesmulan Berdasaran embahasan deroleh esmulan sebaaga beru.. Model erba unu meramalan daa urs euro erhada ruah erode 8 Januar 00 sama 7 Seember 0 yang erlebh dahulu dubah e benu log reurn adalah model APARCH dengan model ARMA0 sebaga model raaraa bersyara.. Model ARMA0 sebaga model raaraa bersyara yang deroleh adalah dan model APARCH sebaga model heeroscedascy bersyara yang deroleh adalah Nla ramalan urs euro erhada ruah unu 7 erode selanunya mendea nla daa aslnya. Hal n dunuan dengan semua nla daa asl 7 erode selanunya berada d dalam nerval onfdens 95% yang berar nga eercayaan hasl eramalan sebesar 95%. Hal n derua dengan nla MAPE yang relaf ecl yau %. 5. Saran Srs n membahas enang eramalan menggunaan model APARCH. Bag ara embaca yang erar daa mengalasan model n unu beberaa ermasalahan lan. Selan u dengan membaca hasl srs n embaca daa ermovas unu membahas lebh lanu eramalan menggunaan model volalas asmers lannya yau model Smoohng Transon Auoregressve Condonal Heeroscedascy STARCH. Model STARCH uga meruaan model runun wau yang nonlner dan meml asums heeroscedascy sehngga dmungnan aan sesua comm unu o meramalan user urs euro erhada ruah. 45

49 erusaaan.uns.ac.d dglb.uns.ac.d DAFTAR PUSTAKA Azam I The Effec of ModelSelecon Uncerany on Auoregressve Models Esmaes. Inernaonal Research Journal of Fnance and Economcs ssue. hal Ba J and Ng S Tes for Sewness Kuross and Normaly for Tme Seres Daa. Journal of Busness and Economc Sascs vol.3 no. hal Bollerslev T Generalzed Auoregressve Condonal Heeroscedascy. Journal of Economercs vol. 3 hal BreuschGofrey Tes. h:// 8 Januar 0 Bursa valua asng. h:// 7 Agusus 0. Chen W.Y A Comarson of Forecasng Models for ASEAN Equy Mares. Sunway Academc Journal vol. hal. Cryer J.D Tme Seres Analyss. PWS Publsherrs Duxbury Press Boson. Engle R.F. 98. Auoregressve Condonal Heeroscedascy wh Esmaes of he Varance of Uned Kngdom Inflaon. Economerca vol 50 hal Euro. h:// 8 Seember 0. Floros C Forecasng The UK Unemloymen Rae: Model Comarsons Inernasonal Journal of Aled Economercs and Quanave Sudes vol. 44 hal 577. Hesnngyas R Pemodelan Exonenal Generalzed Auoregressve Condonal Heeroscedascy EGARCH ada Nla Tuar Kurs Euro Terhada Ruah. Jurusan Maemaa. Faulas Maemaa dan Ilmu Pengeahuan Alam. Unversas Sebelas Mare: Suraara Srs. John E. H Busness Forecasng Egh Edon. Easern Washngon Unversy Emerus. Kurs Uang Keras Asng Maa Uang Euro. 5 Agusus 0. comm o user 46

50 erusaaan.uns.ac.d dglb.uns.ac.d Panarz A Forecasng Wh Unvarae BoxJenns Models: Conces and Case. John Wley & Sons. New Yor. Tarno Esmas Model Unu Daa Deenden dengan Meode Cross Valdaon Meda Sssa vol. no. hal 758. Tsay R. S. 00. Analyss of Fnancal Tme Seres. John Wley & Sons Inc. Canada. Wdyan W. D Pemodelan Nla Tuar Euro Terhada Ruah Menggunaan Model GARCH. Tugas Ahr Sarana Unversas Sebelas Mare : da derban. Zhou J Modelng S&P 500 Soc Index Usng ARMAAsymmerc Power ARCH Models. Maser Thess n Sascs. School of Economcs and Socal Scence Hogsolan Dalarna Sweden. Jun 009. comm o user 47

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear

E-book Statistika Gratis... Statistical Data Analyst. Uji Asumsi Klasik Regresi Linear E-boo Sasa Gras... Sascal Daa Anals Uj Asums Klas Regres Lnear Pada penulsan enang Regres Lnear n, penuls aan memberan bahasan mengena Uj Asums Klas epada para pembaca unu memberan pemahaman dan solus

Lebih terperinci

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA

Penerapan Metode Filter Kalman Dalam Perbaikan Hasil Prediksi Cuaca Dengan Metode ARIMA JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (24) ISSN: 2337-3539 (23-927 Prn) A-28 Penerapan Meode Fler Kalman Dalam Perbaan Hasl Preds Cuaca Dengan Meode ARIMA Tomy Kurnawan, Luman Hanaf, dan Erna Aprlan

Lebih terperinci

REGRESI LINIER FUZZY PADA DATA TIME SERIES

REGRESI LINIER FUZZY PADA DATA TIME SERIES Regres Lner Fuzzy Pada Daa Tme Seres REGRESI LINIER FUZZY PADA DATA TIME SERIES Abdul Roza Progam Sud Maemaa Unversas Pesanren Tngg Darul Ulum Jombang abd.roza76@yahoo.co.d Absra Perembangan eor dan alas

Lebih terperinci

PERAMALAN DENGAN MODEL ARCH SKRIPSI

PERAMALAN DENGAN MODEL ARCH SKRIPSI PERAMALAN DENGAN MODEL ARCH SKRIPSI Dajuan unu Memenuh Salah Sau Syara Memeroleh Gelar Sarjana Sans (S.S) Program Sud Maemaa Oleh: SUHARTINI NIM : 48 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS

Lebih terperinci

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL SAIS DA SEI ITS Vol., o., (Sep. 0) ISS: 30-98X A-40 Peramalan Jumlah Wsawan d Agrowsa Kusuma Bu Menggunaan Meode Analss Speral swul Maghfroh, Sr Suprap Har, ur Wahyunngsh Jurusan Mema, Faulas Mema

Lebih terperinci

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun Baasan Masalah Jumlah kasus pendera penyak Demam Berdarah Dengue (DBD d Koa Surabaya ahun - Varabel Explanaory (Varabel penjelas yang dgunakan dalam penelan adalah varabel Iklm (Curah hujan, Suhu, Kelembaban

Lebih terperinci

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE

TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE TUGAS ANALISIS MATRIKS APLIKASI TEOREMA PERRON FROBENIUS PADA MODEL MATRIKS POPULASI LESLIE Fan Puspasar 201 16019 Program Sud Magser Maemaa Faulas Maemaa dan Ilmu Pengeahuan Alam Insu Tenolog Bandung

Lebih terperinci

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap

Peramalan Dengan Model SVAR Pada Data Inflasi Indonesia Dan Nilai Tukar Rupiah Terhadap Dolar Amerika Dengan Menggunakan Metode Bootstrap Peramalan Dengan Model SVR Pada Daa Inflas Indonesa Dan Nla Tukar Ruah Terhada Dolar merka Dengan Menggunakan Meode Boosra Dav S Wardan, d Seawan 2, Dd B Nugroho 3 PS Maemaka, Fak Sans dan Maemaka, UKSW

Lebih terperinci

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia

Pemodelan Indeks Pembangunan Gender dengan Pendekatan Regresi Nonparametrik Spline di Indonesia JURNAL SAINS DAN SENI ITS Vol. 4, No., ( 337-3 (3-9X Prn D-7 Pemodelan Indes Pembangunan Gender dengan Pendeaan Regres Nonparamer Splne d Indonesa Nurul Fajryyah dan I Nyoman Budanara Jurusan Sasa, Faulas

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

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

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial

Kombinasi Penaksiran Model Lag Terdistribusi Dengan Ekspektasi Adaptif Dan Penyesuaian Parsial 96 Vol. 3, No., 96-, Januar 7 Kombnas Penasran Model Lag Terdsrbus Dengan Espeas Adapf Dan Penyesuaan Parsal Adawaya Rangu Absra Dalam menasr Model Lag Terdsrbus, masalah yang mungn erjad adalah da adanya

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Defns Parwsaa dan Wsaawan Parwsaa adalah slah yang dberan apabla seseorang wsaawan melauan perjalanan u sendr, aau dengan aa lan avas dan ejadan yang erjad ea seseorang pengunjung melauan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET

BAB 3 PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET BAB PENYELESAIAN NUMERIK MODEL ADVEKSI-DISPERSI DENGAN IMPLEMENTASI SPREADSHEET MENGENAI METODE NUMERIK Persoalan yang melbaan model maemaa banya munul dalam berbaga lmu pengeahuan seper halnya dalam asus

Lebih terperinci

PRESENTASI TUGAS AKHIR

PRESENTASI TUGAS AKHIR Penerapan PID Predcve Ar-Rao Conroller Pada Mesn Mobl Msubsh Type 4G63 Unu Memnmuman Ems Gas Buang Oleh Hendre Angga P 10 105 03 PRESENTASI TUGAS AKHIR Mesn-mesn oomof saa n dunu unu menghaslan performa

Lebih terperinci

BAB 8 PERSAMAAN DIFERENSIAL BIASA

BAB 8 PERSAMAAN DIFERENSIAL BIASA Maa kulah KOMPUTASI ELEKTRO BAB 8 PERSAMAAN DIFERENSIAL BIASA Persamaan dferensal dapa dbedakan menjad dua macam erganung pada jumlah varabel bebas. Apabla persamaan ersebu mengandung hana sau varabel

Lebih terperinci

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2.

Model Suku Bunga Multinomial 4. Danang Teguh Qoyyimi *, Dedi Rosadi 2. ROSIDING ISBN: 978-979-6353-3- Model Suu Bunga Mulnomal 4 S-5 Danang Teguh Qoyym *, Ded Rosad Jurusan Maemaa FMIA Unversas Gadah Mada *qoyym@ugm.ac.d Maalah n adalah merupaan pengembangan dar model suu

Lebih terperinci

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering

Penggerombolan Model Parameter Regresi dengan Error-Based Clustering Penggerombolan Model Parameer Regres dengan Error-Based Cluserng 1 I Made Sumerajaya 2 Gus Adh Wbawa 3 I Gede Nyoman Mndra Jaya 1 Saf Pengajar Deparemen Sasa IPB 2,3 Mahsswa Pascasarjana Sasa IPB ABSTRAK

Lebih terperinci

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU Pada bab III, ka elah melakukan penguan erhadap meoda Runge-Kua orde 4 pada persamaan panas. Haslnya, solus analk persamaan panas

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA Indra Rahm, Sr Png Wulandar Mahasswa Jurusan Saska Insu Teknolog Seuluh Noember Dosen

Lebih terperinci

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR)

Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR) JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Prn) D-36 Peramalan Penjualan eda Moor Tap Jens d Wlayah Surabaya dan Blar dengan Model ARIMA Box-Jenkns dan Vecor Auoregressve (VAR) Ade

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN BAB PENDAHUUAN. ATAR BEAKANG Seringali ara enelii aau saisiawan melauan enganalisaan erhada suau eadaan/masalah dimana eadaan yang dihadai adalah besarnya jumlah variabel samel yang diamai. Unu iu erlu

Lebih terperinci

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2

PENGUKURAN VALUE AT RISK PADA ASET TUNGGAL DAN PORTOFOLIO DENGAN SIMULASI MONTE CARLO. Di Asih I Maruddani 1, Ari Purbowati 2 Pengukuran Value a sk (D Ash I Maruddan) PEGUKUA VALUE AT ISK PADA ASET TUGGAL DA POTOFOLIO DEGA SIMULASI MOTE CALO D Ash I Maruddan 1, Ar Purbowa 1 Saf Pengajar Program Sud Saska FMIPA UDIP Bro Pusa Saska

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

PREDIKSI HARGA SAHAM PT. ASTRA AGRO LESTARI TBK DENGAN JUMP DIFFUSION MODEL

PREDIKSI HARGA SAHAM PT. ASTRA AGRO LESTARI TBK DENGAN JUMP DIFFUSION MODEL JRAMB, Prod Akunans, Fakulas Ekonom, UMB Yogyakara I : 460-33 Volume o.., Me 07 PREDIKI HARA AHAM PT. ATRA ARO LETARI TBK DEA JUMP DIFFUIO MODEL D Ash I Maruddan, Trmono Dearemen aska Unversas Donegoro

Lebih terperinci

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN

PENERAPAN MODEL GSTAR(1,1) UNTUK DATA CURAH HUJAN Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 6, o. 03 (017), hal 159 166. PEERAPA MODEL GSTAR(1,1) UTUK DATA CURAH HUJA Ism Adam, Dadan Kusnandar, Hendra Perdana ITISARI Model Generalzed Space Tme

Lebih terperinci

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.

Kata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting. METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive JURNAL SAINS DAN SENI POMITS Vol., No., () 7 (98X Prn) D9 Analss Penyaluran Kred kendaraan bermoor Roda Dua Jens Baru dan Bekas d PT X dengan Meode Vecor Auoregressve Ardhka Surya Pura, Adaul Mukarromah

Lebih terperinci

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC

SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Semnar Nasonal Ssem Informas Indonesa, - 4 Desember 03 SEGMETASI BAYESIAN HIRARKI UNTUK MODEL AR STASIONER KONSTAN PER SEGMEN MENGGUNAKAN ALGORITMA REVERSIBLE JUMP MCMC Suparman Penddan Maemaa FKIP UAD

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Data panel adalah gabungan dari data cross sectional dan data time series, dimana

BAB II TINJAUAN PUSTAKA. Data panel adalah gabungan dari data cross sectional dan data time series, dimana 6 BAB II IJAUA PUSAA. Pendahuluan Maer enang daa anel dambl dar Gujara (3) dan Judge (985). Daa anel adalah gabungan dar daa cross seconal dan daa me seres, dmana dalam daa anel un cross seconal yang sama

Lebih terperinci

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD)

APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER (CONTOH KASUS DI G. KELUD) Alkas Iners Non Lner Dengan Pendekaan Lner Unuk Menenukan Hosener Conoh Kasus d G. Kelud) Cece Sulaeman) APLIKASI INVERSI NON LINIER DENGAN PENDEKATAN LINIER UNTUK MENENTUKAN HIPOSENTER CONTOH KASUS DI

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda

Penerapan Statistika Nonparametrik dengan Metode Brown-Mood pada Regresi Linier Berganda Jurnal EKSPONENSIAL Volume 7, Nomor, Me 6 ISSN 85-789 Penerapan Saska Nonparamerk dengan Meode Brown-Mood pada Regres Lner Berganda Applcaon of Nonparamerc Sascs, wh Brown-Mood Mehod on Mulple Lnear Regresson

Lebih terperinci

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER

NILAI AKUMULASI DARI SUATU CASH FLOW DENGAN TINGKAT BUNGA BERUBAH BERDASARKAN FORMULA FISHER ILAI AKUMULASI DARI SUATU CASH FLOW DEGA TIGKAT BUGA BERUBAH BERDASARKA FORMULA FISHER Devs Apranda, Johannes Kho, Sg Sugaro Mahasswa rogram S Maemaka Dosen Jurusan Maemaka Fakulas Maemaka dan Ilmu engeahuan

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

Lebih terperinci

PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI ABSTRAK

PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI ABSTRAK PERBANDINGAN METODE TIME SERIES REGRESSION DAN ARIMAX PADA PEMODELAN DATA PENJUALAN PAKAIAN DI BOYOLALI Ardia Suma Perdana (1308 100 503 Dosen Pembimbing: Ir. Dwiamono A. W., M.Iom JURUSAN STATISTIKA Faulas

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya

Penempatan Optimal Sensor Dengan Metode Particle Swarm Optimization (PSO) Untuk State Estimation Pada Sistem Distribusi Surabaya JURNL TEKNIK POMITS Vol 2, No 1, (214) 1 Penempaan Opmal Sensor Dengan Meode Parcle Swarm Opmzaon (PSO) Unu Sae Esmaon Pada Ssem Dsrbus Surabaya j Dharma, Onoseno Penangsang, Rony Seo Wbowo Jurusan Ten

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan

Lebih terperinci

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK

ANALISIS EVOLUSI MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPRESENTASI MATRIK ANAII EVOUI MATRIK AA TUJUAN (MAT) MENGGUNAKAN METODE GRAFIK REPREENTAI MATRIK Tas an Junaed Absra Mar Asal Tujuan (MAT) sebaga salah sau benu nformas pola perjalanan mempunya peranan yang sanga penng

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

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT

MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Bulen Ilmah Mah. Sa. dan Terapannya (Bmaser) Volume 07, No. (018), hal 85 9. MODEL GENERALIZED SPACE TIME AUTOREGRESSIVE-X (GSTAR-X) DALAM MERAMALKAN PRODUKSI KELAPA SAWIT Felca Kurna Kusuma Wra Pur, Dadan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI A 2 LANDASAN TEORI 2. Model Regres Nonparaer Analss regres dala sasa erupaan salah sau eode unu enenuan hubungan sebab aba anara sau varabel dengan varabel yang lan elalu pengaaan ecenderungan pola hubungan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN

PARTIAL PROPORTIONAL ODDS MODEL PADA USIA KAWIN PERTAMA WANITA 1. PENDAHULUAN ISBN : 978.60.36.00.0 PARIAL PROPORIONAL ODDS MODEL PADA USIA KAWIN PERAMA WANIA Mhraunnsa, Isman Zan Mahasswa Jurusan Sasa Insu enolog Sepuluh Nopember (IS) Surabaa Dosen Jurusan Sasa Insu enolog Sepuluh

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

1999 sampai bulan September Data ini diperoleh dari yahoo!finance.

1999 sampai bulan September Data ini diperoleh dari yahoo!finance. 7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya) JURNAL STATISTIKA Vol., No., () 5 Analisis Peramalan Kombinasi Terhada Jumlah Perminaan Darah di Surabaya (Sudi Kasus: UDD PMI Koa Surabaya) Winda Eka F., Ir. Dwiamono Agus W.,MIKom Jurusan Saisika, FMIPA,

Lebih terperinci

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang

Zullaikah 1 dan Sutimin 2. Jl. Prof. H. Soedarto, S.H., Tembalang Semarang MODEL PERTUMBUHAN BIOMASSA RUMPUT LAUT GRACILLARIA DENGAN CARRYING CAPACITY BERGANTUNG WAKTU Zullaah dan Sumn, Jurusan Maemaa FMIPA Unversas Dponegoro Jl Prof H Soedaro, SH, Tembalang Semarang Absrac In

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

Peramalan Jumlah Wisatawan Di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral

Peramalan Jumlah Wisatawan Di Agrowisata Kusuma Batu Menggunakan Metode Analisis Spektral JURAL TEKK POMTS Peramalan Jumlah Wisaawan Di Agrowisaa Kusuma Bau Menggunaan Meode Analisis Seral iswaul Maghfiroh, uri Wahyuningsih, Sri Surai Haraiai Jurusan Maemaia, Faulas MPA, nsiu Tenologi Seuluh

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini aan diemuaan beberapa onsep dasar yang beraian dengan analisis runun wau, dianaranya onsep enang esasioneran, fungsi auoorelasi dan fungsi auoorelasi parsial, macam-macam

Lebih terperinci

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS

Peramalan Jumlah Penumpang Kereta Api Kelas Ekonomi Kertajaya Menggunakan ARIMA dan ANFIS JURNAL SAINS DAN SENI ITS Vol. 4 No. (05) 33-350 (30-9X Prn) D-3 Peramalan Jumlah Penumpang Kerea Ap Kelas Ekonom Keraaya Menggunakan ARIMA dan ANFIS Ilaf Andala dan Irhamah Jurusan Saska Fakulas Maemaka

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1

PENDUGAAN STATISTIK AREA KECIL DENGAN METODE EMPIRICAL CONSTRAINED BAYES 1 PENDUGAAN SAISIK AREA KECIL DENGAN MEODE EMPIRICAL CONSRAINED AYES Ksmann Jurusan Penddkan Maemaka FMIPA Unversas Neger Yogyakara Absrak Meode emprcal ayes (E merupakan meode yang lebh aplkaf pada pendugaan

Lebih terperinci

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk. Bulein Ilmiah Mah. Sa. dan Teraannya (Bimaser) Volume 4, No. 3 (ahun), hal 69 78. PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Sudi Kasus Daa Saham PT.

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

Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH)

Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH) Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH) (Studi Kasus : Return Kurs Mata Uang Rupiah terhadap Dollar) SKRIPSI Disusun oleh : CINDY WAHYU ELVITRA J2E 009 015

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA

ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang

Lebih terperinci

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

Analisis Pengendalian Kualitas Tetes PG Kremboong Sidoarjo Menggunakan Diagram Kontrol MEWMA dan MEWMV

Analisis Pengendalian Kualitas Tetes PG Kremboong Sidoarjo Menggunakan Diagram Kontrol MEWMA dan MEWMV JURNAL SAINS DAN SENI IS Vol. 5 No. (6) 337-35 (3-98 rn) D-89 Analss engendalan Kualas ees G Kremboong Sdoarjo Menggunakan Dagram Konrol MEWMA dan MEWMV Dony Mukhar Haranja dan Muhammad Mashur Jurusan

Lebih terperinci

USING THE PAST TO PREDICT THE FUTURE WORKSHOP ANALISIS RESIKO UNTUK BISNIS

USING THE PAST TO PREDICT THE FUTURE WORKSHOP ANALISIS RESIKO UNTUK BISNIS USING THE PAST TO PREDICT THE FUTURE WORKSHOP ANALISIS RESIKO UNTUK BISNIS Oleh : Maman Seawan, SE, MT 28 29 Sepember 2004 PROGRAM PENGEMBANGAN KOMPETENSI BISNIS DIVISI PENGKAJIAN DAN PENGEMBANGAN BISNIS

Lebih terperinci

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal

Hidden Markov Model. Oleh : Firdaniza, Nurul Gusriani dan Akmal Hdden Markov Model Oleh : Frdanza, urul Gusran dan Akmal Dosen Jurusan Maemaka FMIPA Unversas Padjadjaran Jl. Raya Bandung Sumedang Km 2, Janangor, Jawa Bara elp. / Fax : 022 7794696 Absrak Hdden Markov

Lebih terperinci

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi

PROSES STOKASTIK KELAHIRAN-KEMATIAN DENGAN DUA JENIS KELAMIN SECARA KELOMPOK PADA PROSES YULE- FURRY. Samsuryadi JURNAL MATEMATIKA DAN KOMUTER Vol. 4. No. - Agusus ISSN : 4-858 ROSES STOKASTIK KELAHIRAN-KEMATIAN DENAN DUA JENIS KELAMIN SECARA KELOMOK ADA ROSES YULE- FURRY Samsuryad Jurusan Maemaka FMIA Unversas Srwaya

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE

PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE TRI TANAMI SUKRAINI : RAMALAN KUNJUNGAN WISATAWAN 47 PERAMALAN KUNJUNGAN WISATAWAN KE ULUWATU DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE Tri Tanami Sukraini Jurusan Adminisrasi Niaga

Lebih terperinci

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN

(A.7) OPTIMISASI PORTOFOLIO BERDASARKAN MEAN-VALUE AT RISK DI BAWAH MODEL INDEKS BERGANDA DENGAN VOLATILITAS TAK KONSTAN Prosdng Semnar Nasonal Saska Unversas Padjadjaran, 3 November 00 (A.7) OPIMISASI POROFOIO BERDASARKAN MEAN-VAUE A RISK DI BAWAH MODE INDEKS BERGANDA DENGAN VOAIIAS AK KONSAN Agus Suprana, F. Sukono, Bunga

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang

Lebih terperinci

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K

U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K Isaro Elevas Jurusan Ten Spl dan Lngungan FT UGM U J I A N A K H I R S E M E S T E R M A T E M A T I K A T E K N I K SABTU JULI OPE N BOOK WAKTU ME NIT PETUNJUK ) Saudara bole menggunaan ompuer unu mengerjaan

Lebih terperinci

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32)

( ) STUDI KASUS. ò (, ) ( ) ( ) Rataan posteriornya adalah = Rataan posteriornya adalah (32) 8 Raaan poserornya adalah E m x ò (, ) f ( x) m f x m f f m ddm (32) Dalam obseras basanya dgunakan banyak daa klam. Msalkan saja erdr dar grup daa klam dengan masng-masng grup ke unuk seap, 2,..., yang

Lebih terperinci

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation)

Optimasi Bobot Portofolio dan Estimasi VaR * (Portfolio Weighted Optimization and VaR Estimation) Otmas Bobot Portofolo dan Estmas VaR * (Portfolo Weghted Otmzaton and VaR Estmaton) Suono, Subanar & Ded Rosad 3 Jurusan Matemata FMIPA UNPAD Bandung, e-mal : fsuono@yahoo.com Jurusan Matemata FMIPA UGM

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 45 BAB III METODOLOGI PENELITIAN 3.1 Spesfkas Model Berdasarkan ujuan penelan seper dsebukan dalam bab pendahuluan maka ada dua hal mendasar yang akan del yau pengaruh volalas nla ukar rl erhadap volalas

Lebih terperinci

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar

Space-time Models. MA5282 Topik dalam Statistika II 21 April 2015 Utriweni Mukhaiyar Space-me Models MA58 opk dalam Saska II Aprl 5 Urwen Mukhayar Analss Sask Box&Jenkns Ieraon Posulae General Class of Models ACF, PACF, dff Daa Analyss on-paramerc Analyss Sochasc Processes Mulvarae Analyss

Lebih terperinci

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BO-JENKINS OLEH : SHANTIKA MARTHA, S.Si NIP. 9840308008003 UNIVERSITAS TANJUNGPURA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA

Lebih terperinci

PENGARUH PENGGUNAAN METODE POWER DAN TRUNCATED POWER PADA PCA-PART UNTUK INISIALISASI K-MEANS ABSTRACT

PENGARUH PENGGUNAAN METODE POWER DAN TRUNCATED POWER PADA PCA-PART UNTUK INISIALISASI K-MEANS ABSTRACT Semnar Nasonal Sans & Tenolog V Lembaga Penelan Unversas Lampung PENGARUH PENGGUNAAN METODE POWER DAN TRUNCATED POWER PADA PCA-PART UNTUK INISIALISASI K-MEANS Ere Sadewo 1, Muhammad Mashur 2, dan Al Rdho

Lebih terperinci

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI

BAB 5 ENTROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUNYI BAB ETROPI PADA MATRIKS EMISI MODEL MARKOV TERSEMBUYI Model Markov Tersembuny (Hdden Markov Model, MMT) elah banyak daplkaskan dalam berbaga bdang seper pelafalan bahasa (speeh reognon) dan klasfkas (luserng).

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Jurnal Jurnal Muara Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Okober 07: hlm 97-07 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN

Lebih terperinci

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER Sains, Teknologi, Kedokeran, dan Ilmu Kesehaan Vol., No., Aril 07: hlm 8-8 ISSN 579-640 (Versi Ceak) ISSN-L 579-640 (Versi Elekronik) PENENTUAN MODEL INDEKS HARGA SAHAM GAUNGAN (IHSG) MENGGUNAKAN ANALISIS

Lebih terperinci

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado Pemodelan ARIMA Dalam Prediksi Penumang Pesawa Terbang Pada Bandara Inernasional Sam Raulangi Manado Sinnyo H.A. Salmon, Nelson Nainggolan 2, Djoni Haidja 3 Program Sudi Maemaika, FMIPA, UNSRAT, sinnyosalmon@ymail.com

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 6 BAB II TINJAUAN PUSTAKA. TINJAUAN STATISTIK Tnjaun sas meupaan penjelasan mengena eo-eo sas. Dalam hal n eo sas yang dgunaan adalah enang peamalan. Peamalan dee wau dengan fungs ansfe yang ddea melalu

Lebih terperinci