ABSTRAK. Kata kunci: krisis perbankan, bank deposits, SWARCH, dua state, tiga state. iii
|
|
- Deddy Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ii
2 ABSTRAK Ihsan Fathoni Amri PENDETEKSIAN KRISIS PERBANKAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR BANK DEPOSITS. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret. Surakarta. Indonesia telah mengalami beberapa kali krisis yang terjadi sejak tahun Krisis terparah terjadi pada tahun 1997 yang berawal dari jatuhnya mata uang Baht Thailand. Krisis keuangan terbagi menjadi tiga tipe yaitu krisis perbankan, krisis mata uang dan krisis hutang. Krisis perbankan dapat dideteksi dengan memantau indikator perbankan seperti bank deposits, rasio tingkat bunga pinjaman dengan tabungan, spread tingkat bunga riil, dan tingkat bunga riil tabungan. Pada penelitian ini pendeteksian krisis perbankan dilakukan berdasarkan indikator bank deposits. Penelitian ini bertujuan untuk menentukan model terbaik yang sesuai untuk mendeteksi krisis perbankan di Indonesia berdasarkan indikator bank deposits dan kemudian meramalkan nilai bank deposits untuk dua belas periode ke depan. Pada penelitian ini digunakan gabungan model volatilitas dan Markov switching dengan asumsi dua state dan tiga state. Hasil penelitian ini menunjukkan bahwa data bank deposits periode Juni 1989 sampai dengan Februari 2015 tidak stasioner, mempunyai efek heteroskedastisitas, dan mengalami perubahan struktur. Oleh karena itu model yang digunakan model SWARCH untuk mendeteksi krisis perbankan. Diperoleh model SWARCH(2,1) dan SWARCH(3,1) yang dapat mendeteksi krisis perbankan pada April 1998 dan November 1998 sampai dengan Oktober Model SWARCH(2,1) dan SWARCH(3,1) digunakan untuk mendeteksi krisis periode Maret 2015 sampai dengan Februari Berdasarkan hasil pendeteksian pada penelitian ini diperoleh bahwa indonesia tidak akan mengalami krisis perbankan pada periode Maret 2015 sampai dengan Februari 2016 berdasarkan indikator bank deposits, karena data peramalan tidak mengalami perubahan struktur dan mempunyai nilai filtered probabilities yang kecil. Kata kunci: krisis perbankan, bank deposits, SWARCH, dua state, tiga state iii
3 ABSTRACT Ihsan Fathoni Amri DETECTION OF BANKING CRISIS IN INDONESIA USING COMBINATION OF VOLATILITY MODEL AND MARKOV SWITCHING BASED ON BANK DEPOSITS INDICATOR. Faculty of Mathematics and Natural Sciences. Sebelas Maret University. Indonesia has suffered several crises that have occurred since The crisis is most severe in 1997 that began with the collapse of the Thai Baht currency. The financial crisis is divided into three types: banking crisis, currency crisis and sovereign debt crisis. The banking crisis can be detected by monitoring the banking indicators such as bank deposits, the ratio of loans to savings interest rate, real interest rate spread, and the real interest rate savings. In this study the detection of the banking crisis is based on indicators of bank deposits. This purpose of this study is to determine the appropriate model to detect banking crisis in Indonesia based on bank deposits indicator and then forecast the value of bank deposits to twelve period ahead. In this study used a combination of volatility and Markov switching models assuming two state and three state. The results showed that the data bank deposits with the period from June 1989 to February 2015 is not stationary, have the effect of heteroskedastisity, and switching regime. Therefore the model used to detect the model SWARCH banking crisis. SWARCH model is obtained (2.1) and SWARCH (3.1) can detect the banking crisis in April 1998 and November 1998 to October Model SWARCH (2.1) and SWARCH (3.1) were used to detect the crisis period March 2015 to February From detection results in this study obtained that Indonesia will not happen banking crisis in the period March 2015 to February 2016 based on indicators of bank deposits, because the prediction data did not show any structure change and the filtered probabilities value was low. Keywords: banking crisis, bank deposits, SWARCH, two state, three state iv
4 MOTO Barang siapa bersungguh-sungguh, sesungguhnya kesungguhannya itu adalah untuk dirinya sendiri. [QS Al-Ankabut: 6] v
5 PERSEMBAHAN Karya ini saya persembahkan untuk Kedua orangtua tercinta saya Ibunda Marsi Sugiyanti dan Ayahanda Sugiyanto. Istri, kakak dan adik saya, Sepvia Hera Permata, Yahya Fathoni Amri, Maryam, serta Aryan Fathoni Amri. Tim Krisis dan keluarga besar Matematika Terima kasih atas bantuan, do a serta dukungannya. vi
6 KATA PENGANTAR Segala puji dan syukur penulis panjatkan kepada Alloh SWT atas segala rahmat dan karunia yang telah diberikan, sehingga penulis dapat menyelesaikan penulisan skripsi ini. Selesainya penulisan skripsi ini tidak lepas dari bantuan berbagai pihak. Ucapan terima kasih penulis sampaikan kepada 1. Drs. Sugiyanto, M.Si., Pembimbing I, atas pengarahan dan motivasi yang diberikan dalam membimbing penulis. 2. Supriyadi Wibowo, S.Si., M.Si., Pembimbing II yang telah memberikan saran dan bimbingan dalam penulisan skripsi ini. 3. Semua pihak yang berperan dalam penulisan skripsi ini. Penulis berharap semoga skripsi ini bermanfaat. Surakarta, Januari 2016 Penulis vii
7 DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv MOTO... v PERSEMBAHAN... vi KATA PENGANTAR... vii DAFTAR ISI... viii DAFTAR TABEL... xi DAFTAR GAMBAR... xii DAFTAR NOTASI... xiii I. PENDAHULUAN Latar Belakang Masalah Perumusan Masalah Tujuan Penelitian Manfaat Penelitian... 4 II. LANDASAN TEORI Tinjauan Pustaka Teori-Teori Penunjang Bank Deposits Konsep Dasar Analisis Runtun Waktu Uji Kestasioneran Log Return ACF dan PACF Model ARMA Uji Efek Heteroskedastisitas Model ARCH Kriteria Informasi Uji Diagnostik Model ARCH viii
8 Uji Perubahan Struktur Model Markov Switching Model SWARCH Filtered Probabilities Kerangka Pemikiran III. METODE PENELITIAN 29 IV. HASIL DAN PEMBAHASAN Deskripsi Data Uji ADF Log Return Uji ADF Pembentukan Model ARMA Identifikasi Model ARMA Estimasi Parameter Model ARMA Uji Efek Heteroskedastisitas Pembentukan Model Volatilitas Estimasi Parameter Model ARCH Model GARCH Uji Diagnostik Model ARCH(3) Pemilihan Model Terbaik Uji Perubahan Struktur Pembentukan Model SWARCH Model SWARCH(2,1) Model SWARCH(3,1) Filtered Probabilities Pendeteksian Krisis Perbankan Pendeteksian Krisis Perbankan di Masa yang Akan Datang Peramalan Volatilitas Peramalan Log Return Pendeteksian Krisis Perbankan ix
9 V. PENUTUP Kesimpulan Saran DAFTAR PUSTAKA 52 LAMPIRAN 53 Lampiran Lampiran x
10 DAFTAR TABEL Tabel 2.1 Ciri-Ciri Plot ACF dan PACF Model ARMA Tabel 4.1 Estimasi Parameter Model ARMA Tabel 4.2 Estimasi Parameter Model ARCH Tabel 4.3 Estimasi Parameter Model GARCH Tabel 4.4 Estimasi Parameter Model ARCH Menggunakan Metode QMLE. 39 Tabel 4.5 Uji Chow Breakpoint Berdasarkan Model ARMA(1,0) Tabel 4.6 Estimasi Parameter Model SWARCH(2,1) Tabel 4.7 Hasil Estimasi Parameter Model SWARCH(3,1) Tabel 4.8 Nilai Filtered Probabilities Pada Periode yang Mengalami Perubahan Struktur Tabel 4.9 Nilai Peramalan Volatilitas Periode Maret 2015-Februari Tabel 4.10 Nilai Peramalan Log Retrun Periode Maret 2015-Februari Tabel 4.11 Nilai Peramalan Bank Deposits Periode Maret 2015-Februari Tabel 4.12 Probabilitas Uji Chow breakpoint Periode Maret 2015-Februari Tabel 4.13 Nilai Filtered Probabilities untuk kondisi dua state dan tiga state periode Maret 2015-Februari xi
11 DAFTAR GAMBAR Gambar 4.1 Plot data dari indikator bank deposits Gambar 4.2 Plot log return data bank deposits Gambar 4.3 Plot ACF dan PACF data bank deposits Gambar 4.4 Plot ACF dan PACF residu model ARCH(3) dengan model rata-rata bersyarat ARMA(1,0) Gambar 4.5 Plot nilai filtered probabilities kondisi dua state Gambar 4.6 Plot nilai filtered probabilities kondisi tiga state xii
12 DAFTAR NOTASI P t R t r t r γ k ρ k φ kk ε t S l : data pada waktu ke-t : return pada waktu ke-t : log return pada waktu ke-t : rata-rata sampel : autokovariansi lag ke-k : autokorelasi lag ke-k : autokorelasi parsial lag ke-k : residu pada waktu ke-t : jumlah kuadrat residu : fungsi log likelihood Q(m) : statistik uji Ljung-Box sampai dengan lag ke-m S (r t ) : koefisien skewness pada waktu ke-t K (r t ) : koefisien kurtosis pada waktu ke-t ξ : statistik uji pengali Lagrange u t ψ t 2 σ t x t μ μ ω : suatu proses white noise pada waktu ke-t dengan mean nol dan variansinya satu : suatu himpunan informasi sampai waktu ke-t : variansi bersyarat pada waktu ke-t : rata-rata dari return sebagai kombinasi linear dari variable eksogen : sebuah vektor dari parameter yang tidak diketahui : vektor parameter model ARCH K : matriks yang berukuran T x 1 F : statistik uji Chow breakpoint s t μ st p ij θ : state : rata-rata model Markov switching yang bergantung pada suatu state : probabilitas transisi state i diikuti state j : vektor parameter model SWARCH xiii
13 Bab I PENDAHULUAN 1.1 Latar Belakang Suatu negara dikatakan mengalami krisis keuangan ketika sistem keuangan negara tersebut mengalami gangguan sehingga berdampak sistem tersebut tidak lagi bisa berfungsi secara efisien. Krisis keuangan merupakan suatu istilah yang digunakan untuk situasi dimana beberapa aset keuangan tiba-tiba kehilangan sebagian besar dari nilai nominalnya. Menurut Lestano et al. [19], krisis keuangan terbagi menjadi tiga tipe yaitu krisis perbankan (banking crisis), krisis mata uang (currency crisis) dan krisis hutang (debt crisis). Menurut Waibot [33] krisis keuangan telah berkali-kali menerpa ekonomi Indonesia sejak tahun 1970 tepatnya pada tahun 1978, 1983, 1986, 1997, dan Krisis terparah di Indonesia terjadi pada tahun Menurut Abimanyu dan Imansyah [1], jatuhnya nilai tukar Baht Thailand merupakan awal terjadinya krisis pada tahun 1997 di Indonesia. Dampaknya adalah terjadi krisis keuangan dan krisis perbankan di Indonesia. Menurut Kaminsky et al. [17], krisis perbankan adalah apabila kredit macet lebih besar daripada rata-rata selama masa tidak krisis ditambah 2 standar deviasi. Krisis perbankan dimulai dengan mencuatnya nilai tukar dan nilai mata uang rupiah merosot tajam. Akibat krisis yang terjadi beban hutang perusahaan yang menggunakan mata uang asing, sedangkan pembiayaannya tergantung oleh bank membengkak secara tajam. Akibat lebih lanjut, timbulnya kredit macet yang secara tidak langsung akan mengganggu (dalam jumlah yang besar bahkan akan menghentikan) operasional bank. Padahal bagian perbankan merupakan salah satu sektor untuk menutupi terjadinya krisis ekonomi. Tornell [30] berpendapat apabila pemerintah tidak bersedia membiarkan mata uangnya terdepresiasi maka pemerintah harus siap untuk meng-cover semua kebijakan (liabilities) sistem perbankan dengan cadangan. Oleh karena itu pemerintah mengeluarkan beberapa kebijakan pada bagian perbankan digunakan untuk menutupi sektor ekonomi yang terkena dampak adanya krisis. Berdasarkan kebijakan-kebijakan yang ada membuat bagian perbankan juga mengalami krisis 1
14 perbankan. Beberapa indikator yang dapat digunakan untuk mendeteksi adanya krisis perbankan yaitu bank deposits, rasio tingkat bunga pinjaman dengan tabungan, spread tingkat bunga riil, dan tingkat bunga riil tabungan. Menurut Abimanyu dan Imansyah [1], bank deposits merupakan salah satu indikator penting yang digunakan untuk mendeteksi adanya krisis. Untuk itulah bank deposits dipilih sebagai indikator untuk mendeteksi krisis perbankan di Indonesia. Menurut Undang-Undang Republik Indonesia Nomor 10 Tahun 1998, Perubahan Atas Undang-Undang Nomor 7 Tahun 1992 Tentang Perbankan mengatakan bahwa bank deposits adalah simpanan yang penarikannya hanya dapat dilakukan pada waktu tertentu berdasarkan perjanjian nasabah penyimpanan dengan bank. Beberapa indikator sudah digunakan pada penelitian sebelumnya untuk mendeteksi krisis keuangan di Indonesia, antara lain Retnosari [26] dan Pudyastuti [25] menggunakan indikator nilai tukar riil, Pitaningsih [24] dan Sagitania [28] menggunakan indicator pertumbuhan kredit domestik, Utami [32] dan Mustikasari [21] menggunakan indikator rasio cadangan internasional terhadap M2, Marlina [20] menggunakan indikator harga saham, dan Ananda [2] menggunakan indikator tekanan pasar. Oleh karena itu dalam penelitian akan digunakan indikator bank deposits yang belum digunakan pada penelitian sebelumnya untuk mendeteksi krisis perbankan di Indonesia. Data bank deposits merupakan data runtun waktu karena dikumpulkan, dicatat, dan diamati berdasarkan urutan waktu. Data yang didapatkan mengalami fluktuasi yang signifikan sehingga mengindikasikan data tidak stasioner. Data yang tidak stasioner perlu dilakukan transformasi log return untuk menjadikannya data stasioner. Menurut Cryer [8], salah satu model yang digunakan untuk data stasioner adalah model Autoregressive Moving Average (ARMA). Asumsi yang harus dipenuhi model ARMA adalah variansi residu yang konstan (homoskedastisitas). Karena data bank deposits yang didapatkan memiliki efek heteroskedastisitas, sehingga asumsi homoskedastisitas tidak dipenuhi. Guna mengatasi efek heteroskedastisitas tersebut, Engle [9] memperkenalkan model Autoregressive Conditional Heteroscedasticity (ARCH). Bollerslev [3] memperkenalkan model generalized autoregressive conditional 2
15 heteroscedasticity (GARCH), Nelson [23] memperkenalkan model exponential generalized autoregressive conditional heteroscedasticity (EGARCH), dan Glosten et al. [10] memperkenalkan model threshold generalized autoregressive conditional heteroscedasticity (TGARCH). Namun data bank deposits mengalami perubahan struktur sehingga model ARCH, GARCH, dan EGARCH tidak dapat digunakan. Hamilton [13], memperkenalkan model Markov switching (MS) untuk memodelkan data runtun waktu yang mengalami perubahan struktur. Model Markos switching tidak dapat mengatasi masalah efek heteroskedastisitas dan perubahan struktur. Hamilton dan Susmel [14] pada tahun 1994 menggabungkan model volatilitas ARCH dengan model Markov switching yang kemudian dikenal dengan model Markov switching ARCH (SWARCH), Gray [11] memperkenalkan kombinasi model Markov switching dengan model volatilitas GARCH (MSGARCH), dan Henry [15] memperkenalkan kombinasi model Markov switching dengan model volatilitas EGARCH (MS-EGARCH). Gabungan model volatilitas dan Markov switching telah diterapkan oleh beberapa peneliti untuk mendeteksi krisis keuangan yang terjadi pada suatu negara. Misalnya Chang et al. [6] yang menerapkan model SWARCH untuk mengidentifkasi volatilitas mata uang asing dan krisis keuangan global di Korea menggunakan tiga state, yaitu volatilitas rendah, volatilitas sedang dan volatilitas tinggi. Pada penelitian ini dilakukan pendeteksian krisis perbankan di Indonesia menggunakan gabungan model volatilitas dan Markov switching berdasarkan indikator bank deposits. Data bank deposits mengindikasikan terdapat efek heteroskedastisitas dan mengalami perubahan struktur, sehingga dapat dimodelkan dengan model SWARCH berdasarkan asumsi dua state dan tiga state. 1.2 PERUMUSAN MASALAH Berdasarkan latar belakang masalah yang diuraikan sebelumnya, dapat dituliskan rumusan masalah berikut a. Bagaimana model yang sesuai untuk mendeteksi krisis perbankan di Indonesia berdasarkan indikator bank deposits? 3
16 b. Apakah pada Maret 2015 sampai dengan Februari 2016 Indonesia akan mengalami krisis berdasarkan indikator bank deposits? 1.3 TUJUAN PENELITIAN Berdasarkan perumusan masalah, penelitian ini bertujuan a. menentukan model yang sesuai untuk mendeteksi krisis perbankan di Indonesia berdasarkan indikator bank deposits, dan b. mendeteksi krisis perbankan di Indonesia pada bulan Maret 2015 sampai dengan Februari 2016 berdasarkan indikator bank deposits. 1.4 MANFAAT PENELITIAN Hasil dari penelitian ini diharapkan dapat memberikan manfaat untuk mendeteksi sinyal krisis perbankan di Indonesia berdasarkan indikator bank deposits dimasa yang akan datang. 4
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK oleh PITANINGSIH NIM. M0110064 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR)
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR) oleh DIAH PUTRI UTAMI NIM. M0110018 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciGABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING UNTUK MENDETEKSI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M2 MULTIPLIER
GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING UNTUK MENDETEKSI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M2 MULTIPLIER oleh YUNIAS AFIFAH ANAS NUR PAMUNGKAS NIM. M0111086 SKRIPSI ditulis dan
Lebih terperinciMODEL KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2
MODEL KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 oleh ERNA MUSTIKASARI NIM. M0111030 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih terperinciMODEL 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 terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR HARGA SAHAM MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATE
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR HARGA SAHAM MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATE SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciMOTTO. Man Jadda Wajada Allah tidak akan mengubah nasib suatu kaum sampai kaum itu mengubah nasib mereka sendiri -QS Al-Anfal (8): 53
ii ABSTRAK Ari Nur Setyaningsih. 2016. PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR EKSPOR. Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN (Studi Kasus pada Indikator Selisih Suku Bunga Pinjaman
Lebih terperinciAnis Nur Aini, Sugiyanto, dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta
MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR SIMPANAN BANK, NILAI TUKAR RIIL, DAN NILAI TUKAR PERDAGANGAN Anis Nur Aini, Sugiyanto,
Lebih terperinciPERBANDINGAN 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 terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING Sisca Rahma Dwi, Sugiyanto, dan Yuliana Susanti Program Studi
Lebih terperinciMODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH
MODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH oleh NANDA PUTRI MONALISA M0108057 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciPENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING DALAM PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M1, M2 PER CADANGAN DEVISA, DAN M2 MULTIPLIER Esteti Sophia Pratiwi,
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA DENGAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING PADA INDIKATOR IMPOR, EKSPOR, DAN CADANGAN DEVISA
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA DENGAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING PADA INDIKATOR IMPOR, EKSPOR, DAN CADANGAN DEVISA Vivi Rizky Aristina Suwardi, Sugiyanto, dan Supriyadi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka Engle [7] melakukan penelitian mengenai model yang mengatasi efek heteroskedastisitas yaitu model autoregressive conditional heteroskedasticity (ARCH) yang diterapkan
Lebih terperinciRatri Oktaviani, Sugiyanto, dan Yuliana Susanti Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
HUBUNGAN KONDISI INDIKATOR NILAI TUKAR RIIL DAN IHSG DALAM MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING Ratri Oktaviani, Sugiyanto, dan Yuliana Susanti
Lebih terperinciMeganisa Setianingrum, Sugiyanto, Etik Zukhronah Prodi Matematika Fakultas Matematika dan Ilmu pengetahuan Alam Universitas Sebelas Maret Surakarta
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR OUTPUT RIIL, KREDIT DOMESTIK PER PDB, DAN IHSG Meganisa Setianingrum, Sugiyanto,
Lebih terperinciPENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN (Studi Kasus Pada Indikator Selisih Suku Bunga Pinjaman
Lebih terperinciJurnal Jilid 7, No. 2, 2017, Hal ISSN
Jurnal LOG!K@, Jilid 7, No. 2, 2017, Hal. 112-121 ISSN 1978 8568 PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN MODEL MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (SWARCH) BERDASARKAN
Lebih terperinciPEMODELAN 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 terperinciBAB 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 terperinciPEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY SKRIPSI Disusun Oleh: OMY WAHYUDI 24010210110006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPEMODELAN MARKOV SWITCHING AUTOREGRESSIVE
PEMODELAN MARKOV SWITCHING AUTOREGRESSIVE asa M arga ro) C ng Semara SKRIPSI Oleh : FIQRIA DEVI ARIYANI 24010210120021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO 2014 PEMODELAN
Lebih terperinciBAB 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 terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV
PERAMALAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL RUNTUN WAKTU FUZZY -RANTAI MARKOV oleh ERIKHA AJENG CHISWARI NIM. M0111028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB 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 terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL REGRESI RUNTUN WAKTU DENGAN EFEK VARIASI KALENDER oleh APRILLIA COSASI M0109014 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Saham adalah surat berharga yang menjadi bukti seseorang berinvestasi pada suatu perusahaan. Harga saham selalu mengalami perubahan harga atau biasa disebut
Lebih terperinciMENGGUNAKAN 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 terperinciMODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO
MODEL HIBRIDA RUNTUN WAKTU FUZZY TERBOBOT-DERET FOURIER UNTUK PERAMALAN CURAH HUJAN DI DAERAH ALIRAN SUNGAI BENGAWAN SOLO oleh INDIAWATI AYIK IMAYA M0111045 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA SKRIPSI Disusun Oleh: UMI SULISTYORINI ADI 24010212140082 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPROSEDUR MODEL EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR)
PROSEDUR MODEL EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR) Oleh EKA SARI PUTRI WARDOYO M0108086 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciPEMODELAN 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 terperinciPERAMALAN 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 terperinciPEMODELAN MARKOV SWITCHING DENGAN TIME-VARYING TRANSITION PROBABILITY
PEMODELAN MARKOV SWITCHING DENGAN TIME-VARYING TRANSITION PROBABILITY SKRIPSI Disusun oleh: ANGGITA PURI SAVITRI 24010212140037 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciMODEL NILAI TUKAR DOLAR KANADA TERHADAP RUPIAH MENGGUNAKAN MARKOV SWITCHING GARCH
MODEL NILAI TUKAR DOLAR KANADA TERHADAP RUPIAH MENGGUNAKAN MARKOV SWITCHING GARCH oleh YUNITA EKASARI NIM. M0108072 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciPEMODELAN 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 terperinciBAB I PENDAHULUAN. satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data time series merupakan serangkaian data pengamatan yang berasal dari satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan interval
Lebih terperinciMetode 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 terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciMODEL 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 terperinciPERBANDINGAN 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 terperinciINTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia)
PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia) SKRIPSI Disusun
Lebih terperinciDisusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar
PEMODELAN DAN PERAMALAN NILAI RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (APARCH) Disusun oleh : Nur Musrifah Rohmaningsih 24010211120019
Lebih terperinciBAB 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 terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciPENGGUNAAN 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 terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
Lebih terperinciPERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER
PERAMALAN JUMLAH WISATAWAN GROJOGAN SEWU MENGGUNAKAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE EXOGENOUS (ARIMAX) DENGAN VARIASI KALENDER Oleh SAHETI ULLY FATWA M0109058 SKRIPSI ditulis dan diajukan
Lebih terperinciBAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks
BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Pasar modal merupakan pasar abstrak, dimana yang diperjualbelikan adalah dana jangka panjang, yaitu dana yang keterikatannya dalam investasi lebih dari satu
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR
PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL RUNTUN WAKTU FUZZY TIGA FAKTOR oleh MAULIDA DWI RAHMITANINGRUM M0111054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciPENENTUAN VALUE AT RISK
PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT (Studi Kasus : Harga Penutupan Saham Harian Kimia Farma Pusat Periode Oktober 2009 September 2014) SKRIPSI
Lebih terperinciPEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 103-111 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING
Lebih terperinciAUTOREGRESSIVE (MSVAR) SKRIPSI
PEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) SKRIPSI Disusun Oleh: HAYUK PERMATASARI 24010210130066 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2014 PEMODELAN
Lebih terperinciSBAB 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 terperinciBAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, karena terkadang faktor-faktor yang berhubungan dengan pengambilan keputusan tidak
Lebih terperinciBAB 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 terperinciMODEL BLACK-SCHOLES HARGA OPSI BELI TIPE EROPA DENGAN PEMBAGIAN DIVIDEN
MODEL BLACK-SCHOLES HARGA OPSI BELI TIPE EROPA DENGAN PEMBAGIAN DIVIDEN oleh RETNO TRI VULANDARI M0106062 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciMODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS
MODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS (Studi Kasus Produksi Jagung di Indonesia) Oleh VICTOR SATRIA SAPUTERA M0112089 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)
PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M) (Studi Kasus pada Return Harga Saham PT. Wijaya Karya) SKRIPSI Disusun Oleh : Dwi Hasti
Lebih terperinciBAB 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 terperinciPEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO
PEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO Skripsi Diajukan Untuk Memenuhi Sebagian Syarat Mencapai Gelar Sarjana Strata Satu (S-1) Oleh : ROSIANA NOVITA
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih terperinciIII. 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 terperinciOPTIMALISASI PORTOFOLIO SAHAM MENGGUNAKAN MODEL MIXTURE OF MIXTURE
OPTIMALISASI PORTOFOLIO SAHAM MENGGUNAKAN MODEL MIXTURE OF MIXTURE oleh FITRI YANA SARI NIM. M0110027 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciPERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY
PERAMALAN CADANGAN DEVISA INDONESIA MENGGUNAKAN METODE GRUP VARIASI FUZZY oleh MARISA RAMDHAYANTI M0110054 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciPENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA
PENDUGA RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA PENGAMBILAN SAMPEL ACAK SEDERHANA oleh FATIMAH MUTIARA SARI M0111032 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciMODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciBAB III MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
25 BAB III (MSAR) 3.1 Model Markov Switching Autoregressive Model runtun waktu Markov Switching Autoregressive adalah salah satu model runtun waktu yang merupakan perluasan dari model Autoregressive (AR).Ide
Lebih terperinciPERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI
PERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI SKRIPSI Diajukan untuk Memenuhi Sebagian dari Syarat Untuk Memperoleh Gelar Sarjana Pendidikan S-1 Program
Lebih terperinciPEMODELAN 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 terperinciPROSIDING 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 terperinciTEKNIK 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 terperinciLULIK 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 terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciPENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI
PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KURTOSIS, DAN KORELASI oleh EKO BUDI SUSILO M0110022 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciBAB 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 terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciUNNES 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 terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciSuma 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 terperinciPEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA
PEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA SKRIPSI Disusun Oleh : Nama : Bony Yudhistira Nugraha NIM : J2E 004 216 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS
Lebih terperinciISSN: 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 terperinciPREDIKSI INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY SKRIPSI. Oleh : INA YULIANA J2A
PREDIKSI INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY SKRIPSI Oleh : INA YULIANA J2A 605 058 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciBAB 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 terperinciPENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013
PENDUGA RASIO MENGGUNAKAN KOEFISIEN REGRESI, VARIASI VARIABEL BANTU, DAN KORELASI PADA PRODUKSI KEDELAI DI PULAU JAWA TAHUN 2013 oleh TONI IRAWAN M0110078 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciPERAMALAN VALUE AT RISK MENGGUNAKAN METODE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02 (2016), hal 267 276. PERAMALAN VALUE AT RISK MENGGUNAKAN METODE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC Nendra Mursetya
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Investasi berkaitan dengan penempatan dana ke dalam bentuk aset yang lain selama periode tertentu dengan harapan tertentu. Aset yang menjadi objek investasi seseorang
Lebih terperinciBAB I PENDAHULUAN. atau memprediksi nilai suatu perolehan data di masa yang akan datang
BAB I PENDAHULUAN 1.1 Latar Belakang Time Series atau deret waktu merupakan barisan suatu nilai pengamatan yang diukur dalam rentang waktu tertentu dalam interval waktu yang sama. Analisis data deret waktu
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA oleh FEBRIANI ASTUTI M0111036 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH
PERAMALAN DATA SAHAM S&P 500 INDEX MENGGUNAKAN MODEL TARCH Universitas Negeri Malang E-mail: abiyaniprisca@ymail.com Abstrak: Penelitian ini bertujuan untuk mengetahui model peramalan terbaik dari data
Lebih terperinciPENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK
PENANGANAN MASALAH HETEROSKEDASITAS DENGAN MODEL ARCH-GARCH DAN MODEL BLACK-SCHOLES MOSES ALFIAN SIMANJUNTAK SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperincioleh PRITA DEWI HUTRIANA SARI NIM. M
ESTIMASI RATA-RATA PRODUKSI JAGUNG DI PROVINSI JAWA BARAT MENGGUNAKAN PENDUGA RASIO PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DENGAN KOEFISIEN KURTOSIS VARIABEL BANTU DAN REGRESI ROBUST oleh PRITA DEWI HUTRIANA
Lebih terperinciBAB 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 terperinciPEMODELAN 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 terperinciPADA PORTOFOLIO SAHAM
PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM SKRIPSI Disusun oleh: AYU AMBARSARI 24010212140079 DEPARTEMEN
Lebih terperinci