5. KESIMPULAN DAN SARAN

Transkripsi

1 5. KESIMPULAN DAN SARAN

2 Kesimpulan 1. Dari plot ACF, periodogram, dan pengujian long memory dapat diketahui bahwa data nilai tukar Rupiah terhadap USD memiliki ketergantungan jangka panjang dan sudah dhstasioner, sehingga dapat tdilanjutkan dengan analisis model ARFIMA. 2. Model ARFIMA GARCH yang diperoleh untuk data nilai tukar Rupiah terhadap USD adalah dengan

3 Lanjutan 3. Dari model ARFIMA GARCH diperoleh error ramalan out of sample yang cukup besar. Hal ini disebabkan fluktuasi yang tinggi pada data dan terdapat banyak outlier. Hal ini juga menyebabkan bbk asumsi kenormalan residual tidak terpenuhi. Saran Karena selain terdapat ketergantungan jangka panjang pada data serta juga terdapat perubahan pola pada data dan asumsi kenormalan residual belum terpenuhi, maka untuk penelitian selanjutnya dapat dicoba pemodelan dengan structural change, non linear time series, atau intervensi yang digabungkan dengan model ARFIMA.

4 DAFTAR PUSTAKA

5 Anonim. (2009). Nilai Tukar Mata Uang (Exchange Rate) : Faktor Faktor yang Mempengaruhi hinilai i Tukar dan Sistem Nilai i Tukar /06/nilai tukar mata uang faktorfaktor.html/ (tanggal akses: 20 September 2009) Assaf, A. (2006). Persistance and Long Memory Dependence In The Emerging Stock Market of Kuwait, The Middle East Business and Economic Review, Volume 18 No.1, Windsor. Bowerman, B.L. dan O Connell. (1993). Forecasting and Time Series: An Approach, Edisi Ketiga. Duxbury Press, California. Applied Box, G. E. P., Jenkins, G. M., dan Reinsel, G. C. (1994). Time Series Analysis: Forecasting and Control, Edisi Ketiga. Prentice Hall International Inc., New York. Chan, N. H. (2002). Time Series Applications to Finance. John Wiley & Sons Canada. Inc., Chi, XIE dan Ni, YANG. (2007). Analysis and Emperical Research on The Long Memory Property of Exchange Rate Time Series. Taiwan. Conover, W. J. (1980). Practical Nonparametric Statistics, Edisi Kedua. John Sons Inc., New York. Wiley &

6 Doornik, J. A., dan Ooms, M. (1999). Inference and Forecasting for Fractional Autoregressive Integrated Moving Average Models, with An Application to US and UK Inflation, Econometric Institute Report 9947/A.Erasmus University, Rotterdam, The Netherlands. Doornik, J. A., dan Ooms, M., (2006), A Package for Estimating, Forecasting, and Simulating Arfima Models: Arfima Package 1.04 for Ox. Nuffield College, Rotterdam. Engle, R. F. (1982). Autoregressive Conditional heteoskedasticity with Estimates of The Variance of Uniited Kingdom Inflation, Journal of Econometica, Volume 50 No.4, halaman Erfani, A., dan Samimi, A. J. (2009). Long Memory Forecasting of Stock Price Index Using a Fractionally Differenced Arma Model, Journal of Apllied Sciences Research, Volume 5 No. 10, hal INSInet Publication, Iran. Hosking, J. R. M. (1981). Fractional Differencing, Biometrika, Volume 68, hal Gil Alana, L.A., dan Toro, J. (2009). Estimation and testing of ARFIMA models in the real exchange rate, Journal of Finance and Econometrics, Volume 7 Issue 4, hal John Wiley & Sons Inc., New York.

7 Irhamah. (2001). Perbandingan Metode metode Pendugaan Parameter Model ARFIMA. Tesis, Institut Teknologi Sepuluh Nopember, Surabaya. Noland, R.B., Ochieng, W. Y., dan Quddus, M. A. (2006). The effect of London Congestion Charge On Road Casualties : An Intervention Analysis. Centre for Transport Studies, Department of Civil and Environmental Engineering, Imperial College, London. Novianti, P. W. (2009). Pemodelan IHK Umum Nasional dengan Metode Intervensi Multi Input Generalized Autoregressive Conditional Heterokedasticity (GARCH). Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. dan Nuryana, F. (2001). Perbandingan Pendekatan ARIMA dan ARFIMA (Studi Kasus Pemodelan Kecepatan Angin di Kabupaten Sumenep. Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Olberman, B. P., Lopes, S. R. C., Reisen, V. A. (2006). Invariance of The First Difference in ARFIMA Models. Puspowati, T. (2005). Pemodelan Debit Air Sungai Brantas Melalui Pendekatan ARIMA dan ARFIMA. Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Qohar, A. (2007). Perbandingan Unconditional Least Square dan Algoritma Genetika dalam Estimasi Parameter Model GARCH. Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Rustiaty, E. (2004). Pemodelan Nilai Tukar Mata Uang di Negara Negara Asia Tenggara Terhadap Us Dollar Dengan Menggunakan MetodeVektorAutoregression (VAR). TugasAkhir Akhir, InstitutTeknologi Sepuluh Nopember, Surabaya.

8 Shittu, O. I., dan Yaya, O. S. (2009). Measuring Forecast Performance of ARMA and ARFIMA Models : AnApplication Application to USDollar/ UKPound Foreign Exchange Rate, European Journal of Scientific Researc, Volume 32 No.2, hal Euro Journals Publishing, Inc. Sowell, F. (1992.). Maximum Likelihood Estimation of Stasionary Univariate Fractionally Integrated Time Series Models, Journal of Econometrics, Volume 53, hal Sugandi, L. (2003). Pemodelan Nilai Tukar Mata Uang Negar Negara Asia Tenggara Dengan Menggunakan Metode VARMAX. Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Takatoshi, I. dan Hashimoto, Y. (2002). High Frequency Contagion of Currency Crises in Asia, National Bureau of Economics Research. Tsay, R. S. (2002). Analysis of Financial Time Series. John Wiley and Sons, Inc., New Jersey. Wei, W. W. S. (1990). Time Series Analysis Univariate and Multivariate Methods. Addison Wesley Company Inc., New York. Zickus, M., Leipus, R. dan Kuietkus, K. (1999). Estimation of Long Range Dependence in Wind Time Series Data. Vilnius University, Lithuania. Speed Zuhro, M. N. (2005). Perbandingan ARIMA dan ARFIMA Pada Pemodelan Kecepatan Angin di Juanda Surabaya.Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.

9

10 Penelitian Sebelumnya no Pengarang dan Tahun Judul 1 Rustiaty (2004) Pemodelan Nilai Tukar Mata Uang di Negara Negara Asia Tenggara Terhadap Us Dollar Dengan Menggunakan Metode Vektor Autoregression (VAR) 2 Sugandi (2003) Pemodelan Nilai Tukar Mata Uang Negar Negara Asia Tenggara Dengan Menggunakan Metode VARMAX. 3 Susmayani (2005) Pemodelan Kurs Beberapa Negara di Asia Tenggara terhadap US Dollar Pada Kondisi Sebelum Krisis, Masa Krisis, dan Setelah Krisis (Metode Intervensi)

11 Lanjutan. Pengarang No dan Data Metode Hasil Tahun 1 Assaf Data pasar MR/S dan V/S FIGARCH (1,d,1) (2006) saham kuwait FIGARCH 2 Erfani dan Data indeks MR/S ARFIMA Samimi harga saham ARFIMA (2;0,4767;[18]) (2009)

12 Lanjutan Pengarang No dan Data Metode Hasil Tahun 1 Shittu dan Yaya Data nilai KPSS ARFIMA (2009) tukar UK Pound ARFIMA ([3];0,495654;0) 2 Olbermann, Data nilai ARFIMA ARFIMA (1,d,1) d 1) Lopees, dan tukar Brazil Reisen (2006) 3 Chi dan Ni (2004) Data nilai R/S, MR/S, ARFIMA (1,d,0) d tukar 6 negara dan GSP ARFIMA