Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
|
|
- Hadi Yuwono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Hasil Tugas Akhir 2012 Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Oleh Khoiru Liummah Ayu Nastiti Dosen Pembimbing Drs. Agus Suharsono, MS Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember
2 2 --- AGENDA Pendahuluan 2. Tinjauan Pustaka 3. Metodologi Penelitian 4. Hasil dan Pembahasan 5. Kesimpulan
3 3 Surabaya, 21 Juni 2012 Seminar Hasil Tugas Akhir Pendahuluan --- Khoirunnasi Anfa uhum Linnasi ----
4 4 --- Latar Belakang (1) --- Saham Masyarakat / Instansi Perusahaan Go Public atau Terbuka (Tbk) Kinerja IHSG 2010 : Terbaik di Asia Pasifik, naik 46%
5 5 --- Latar Belakang (2) --- Saham Risiko Return Volatilitas Manajemen Aset Manajemen Risiko ARCH dan GARCH (Engle 1982 dan Bollerslev 1986) Heteroskedasticity (tidak konstan )
6 6 --- Penelitian Sebelumnya ---- Engle (1982) ARCH digunakan dalam memodelkan inflasi di Inggris Bollerslev (1986) GARCH digunakan dalam peramalan inflasi di Amerika Serikat McClain (1996) ARCH digunakan dalam mengukur risiko dan perilaku finansial dari sektor pertambangan. Volatilitas return saham pertambangan memiliki ketergantungan terhadap waktu dan ARCH dapat terdeteksi jika jumlah sampel besar Batra (2004) Volatilitas return saham di India dengan menggunakan GARCH dan EGARCH serta menghubungkannya dengan pola pasar dalam rentan waktu tertentu Hamadu (2010) Volatilitas return saham sub sektor asuransi di Nigeria dengan model Conditional Heteroscedasticity. Model Exponential Generalized Autoregressive Conditional Heteroskedastic (EGARCH) lebih sesuai dalam memodelkan return saham di Nigeria dari pada model lain
7 7 --- Permasalahan Bagaimana karakteristik return saham Perusahaan Go Public? 2. Bagaimana model volatilitas return perusahaan Go Public dengan metode ARCH-GARCH? ---Tujuan Mengkaji karakteristik return saham 2. Memperoleh dan menganalisis model volatilitas return dengan metode ARCH-GARCH
8 8 --- Manfaat Bagi investor, apat memberi informasi mengenai tingkat return sehingga dapat memilih saham yang memberikan return yang maksimal 2. Bagi peneliti dan pembaca, dapat menambah wawasan keilmuan dalam pengembangan dan penerapan metode pendekatan ARCH- GARCH dalam analisis volatilitas saham. --- Batasan Masalah --- Data lima saham dengan lima sektor yang berbeda yang termasuk dalam indeks LQ 45 yaitu saham PT Aneka Tambang (Persero) Tbk (ANTM), PT Astra International Tbk (ASII), PT Bank Central Asia Tbk (BBCA), PT Semen Gresik (Persero) Tbk (SMGR) dan PT United Tractors Tbk (UNTR). Periode yang diambil adalah penutupan harga saham mulai Februari 2011 sampai Februari 2012.
9 9 Surabaya, 21 Juni 2012 Seminar Hasil Tugas Akhir Tinjauan Pustaka Robert Engle Tim Bollerslev --- Man Jadda wa jada ----
10 10 Model Autoregressive Integrated Moving Average --- (ARIMA) --- Model matematis ARIMA tanpa pola musiman sebagai berikut (Wei,2006). (1)
11 ACF dan PACF --- k Cov Var ( Z ACF t ( Z ) t, Z t k ) Var ( Z t k ) k 0 (2) Cov [( Z Z Var ( Z Z ) t PACF t )(, Z Var ( Z Z )] t k Z t t t k (3) k t k t k ) No Model Pola ACF Pola PACF 1. AR (p) ACF dies down 2. MA (q) 3. AR (p) atau MA (q) ACF signifikan pada lag 1, 2,..., q dan cuts off setelah lag q ACF signifikan pada lag 1, 2,..., q dan cuts off setelah lag q PACF signifikan pada lag 1, 2,.., p dan cuts off setelah lag p PACF dies down PACF signifikan pada lag 1, 2,..., p dan cuts off setelah lag p 4. ARMA (p, q) ACF dies down PACF dies down (Bowerman & O'Connell, 1993)
12 Estimasi Parameter --- Metode least square dengan meminimumkan jumlah kuadrat residual Misal AR (1) (4) (Cryer, 2008)
13 Pengujian Parameter --- Statistik uji (5) --- Residual White Noise --- Uji Ljung Box H 0 : ρ 1 = ρ 2 =...= ρ k = 0 H 1 : minimal ada satu ρ j 0 untuk j= 1,2,...,k Statistik uji Q n ( n 2) k j 1 2 j ( n j) (6) 2 Tolak H 0 jika Q ;( j p q) residual tidak bersifat white noise
14 Residual Berdistribusi Normal --- Uji Kolmogorov Smirnov H 0 : Residual berdistribusi normal, H 1 : Residual tidak berdistribusi normal Statistik uji (7) Sx = nilai distribusi kumulatif data sampel F0x = nilai distribusi kumulatif distribusi normal Jika nilai Dhit>K1-α,n maka keputusan menolak H 0 ---Mean Squared Deviation (MSD) --- MSD merupakan salah satu kriteria pemilihan model terbaik Model terbaik adalah model dengan nilai MSD terkecil. (8)
15 15 ---Autoregressive Conditional Heteroskedasticity (ARCH) --- (1) menyusun model ekonometrika misal ARMA (p,q) untuk data deret return saham dan menggunakan data deret residualnya dalam menguji pengaruh ARCH (2) menentukan order ARCH dan mengestimasinya (3) memeriksa model ARCH dan memperbaikinya bila perlu (9) (Tsay,2002)
16 Uji Lagrange Multiplier (LM) --- (10) Menggunakan PACF dari residual a t2. Apabila residual a t2 mengikuti pola AR (m) maka model ARCH yang diperoleh adalah 2 t --- Penentuan Orde a 1 2 t 1 (11) 2 t... a m m
17 17 Generalized Autoregressive Conditional Heteroskedasticity --- (GARCH) --- Model matematis GARCH (m,s) (12) (Tsay,2002)
18 PT Aneka Tambang (Persero ) Tbk (ANTM) --- Berdiri Produk : Tahun 1968 Salah satu BUMN : bijih nikel, feronikel, emas, perak,bauksit dan jasa pengolahan logam mulia IPO : Tahun 1997 Kapitalisasi : Rp. 15,452 Triliun (per 30 Desember 2011) --- PT Astra InternationalTbk (ASII) --- Berdiri : Tahun 1957 Produk : Otomotif, jasa keuangan, alat berat, pertambangan dan energi, agribisnis IPO : Tahun 1990 Kapitalisasi : Rp. 229, 58 Triliun (per-30 Desember 2011)
19 --- PT Bank Central Asia Tbk (BBCA) --- Berdiri : 1957 Produk : Jasa Keuangan IPO : Tahun 2000 Kapitalisasi : Rp. 169,638 Triliun (per 30 Desember 2011) --- PT Semen Gresik (Persero ) Tbk (SMGR) --- Berdiri : Tahun 1957 Salah satu BUMN Produk : Semen IPO : Tahun 1991 Kapitalisasi : R. 67,91 Triliun (per 30 Desember 2011) --- PT United Tractors Tbk (UNTR) --- Berdiri : Tahun 1972 Produk : Distributor alat berat, kontraktor tambang IPO : Tahun 2000 Kapitalisasi : Rp. 98,298 Triliun (per 30 Desember 2011) 19
20 20 Surabaya, 21 Juni 2012 Seminar Hasil Tugas Akhir Metodologi Penelitian ---Melakukan Kebaikan di mana pun, Kebaikan mencarikan jalan Kebaikan dalam Kehidupan ---
21 Sumber Data --- Data sekunder daily closing price saham bulan tanggal 1 Februari Februari 2012 yang bersumber dari yahoo.com Pertambangan Aneka Industri Keuangan Industri Dasar dan Kimia Perdagangan, Jasa dan Investasi
22 22 ---Variabel Penelitian --- Return dengan jumlah hari perdagangan 267 hari sehingga terdapat 266 return saham Saham Tanggal t Harga Penutupan ( P it ) Return r it = ln (P it /P i(t-1) ) 1 Feb 11 1 P 11 - ANTM 2 Feb 11 2 P 12 r Feb P 1267 r Feb 11 1 P 51 - UNTR 2 Feb 11 2 P 52 r Feb P 5267 r 5267 Nilai i = 1,2,3,4 dan 5 masing-masing untuk saham ANTM, ASII, BBCA, SMGR dan UNTR.
23 Langkah Analisis Menghitung return saham 2. Mmebagi data menjadi in sample periode 1 Februari Januari 2012 (246 return) dan out sample periode 1 Februari 28 Februari 2012 (20 return) 3. Analisis deskriptif return saham 4. Membuat model time series untuk return saham menggunakan ARIMA yaitu identifikasi (stasioneritas, plot ACF dan PACF), estimasi, uji signifikansi, uji Ljung Box, uji Kolmogorov Smirnov, Peramalan 5. Menguji adanya efek heteroskedasticity pada return saham dengan menggunakan uji Lagrange Multiplier (LM) 6. Plot ACF dan PACF Residual Kuadrat 7. Membuat model ARCH-GARCH volatilitas saham 8. Estimasi parameter model ARCH-GARCH volatilitas saham 9. Pemilihan model ARCH-GARCH terbaik 10.Meramal volatilitas saham Analisis ini mengunakan bantuan software Minitab, SAS dan Eviews.
24 Langkah Analisis --- Data harga penutupan saham Membagi data menjadi in sample dan out sample lalu menghitung return saham (r t ) Membuat time series plot dan menghitung statistika deskriptif retun saham Uji kestasioneran Ya Tidak - Differencing - BoxCox Transformation Identifikasi model ARIMA pada return saham (ACF dan PACF Plot), estimasi dan uji signifikansi dan pemilihan model ARMA terbaik Uji LM untuk residual Tidak Model ARIMA Terbaik Return Saham Ya ACF dan PACF residual kuadra untuk penetuan orde ARCH-GARCH Estimasi parameter ARCH-GARCH
25 25 Surabaya, 21 Juni 2012 Seminar Hasil Tugas Akhir Analisis dan Pembahasan --- Melayani Sebaik dan Sebanyak Orang merupakan Pengabdian Tertinggi dalam Kehidupan ---
26 26 ---Time Series Plot Daily Closing Price Saham M M M M M M M M M M M M01 ANTM ASII BBCA M M M M M M M M01 SMGR UNTR Bulan Oktober : Puncak Krisis Ekonomi Eropa pada Tahun 2011
27 27 ---Time Series Plot Return Saham M M M M01 ANTM M M M M01 ASII M M M M01 BBCA M M M M M M M M01 SMGR UNTR
28 Karakteristik Return Saham --- ANTM ASII BBCA SMGR UNTR Mean -0, , , , , Maximum 0, , , , , Minimum -0, , , , , Std. Dev. 0, , , , , Skewness -0, , , , , Kurtosis 8, , , , , Probability KS <0,01 0,049 <0,01 <0,01 <0,01
29 Uji Augmented Dickey Fuller (ADF) --- H 0 : data memiliki unit root (data tidak stasioner) H 1 : data tidak memiliki unit root (data stasioner) Saham t-statistics p-value ANTM -9,3560 0,0000 ASII -16,3112 0,0000 BBCA -17,1138 0,0000 SMGR -18,8811 0,0000 UNTR -14,9647 0,0000 Nilai t-tabel (level signifikansi 5%). STASIONER
30 Plot ACF dan PACF Return Saham (1) --- 1,0 1,0 0,8 0,8 0,6 0,6 A N T M Autocorrelation Partial Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag A S I I Autocorrelation Partial Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 1 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Lag ARIMA ([2,28],0,0) ARIMA (0,0,[2,28]) Lag ARIMA ([3,6,7],0,0) ARIMA (0,0,[3,7,28])
31 ---Plot ACF dan PACF Return Saham (2) ,0 1,0 0,8 0,8 0,6 0,6 B B C A Partial Autocorrelation Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0, Lag S M G R Partial Autocorrelation Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0, Lag ,8-0,8-1,0-1, Lag ARIMA ([18,31],0,0) ARIMA (0,0,[18,31]) Lag ARIMA [1,21,33],0,0) ARIMA (0,0,[21,33])
32 32 ---Plot ACF dan PACF Return Saham (3) --- U N T R Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 Partial Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Lag ARIMA ([4,6,19],0,0) ARIMA (0,0,[4,19])
33 --- Estimasi Parameter (1) Saham Model Parameter Estimasi p-value ANTM ASII BBCA ARIMA ([2,28],0,0) ARIMA (0,0,[2,28]) ARIMA ([3,6,7],0,0) ARIMA (0,0,[3,7,28]) ARIMA ([18,31],0,0) ARIMA (0,0,[18,31]) f 2 0, ,0076 f 28 0,26259 <0,0001 q 2-0, ,0051 q 28-0, ,0006 f 3-0, ,011 f 6-0, ,0139 f 7 0, ,0016 q 3 0, ,0081 q 7-0, ,0098 q 28-0, ,0195 f 18 0, ,0014 f 31-0, ,0218 q 18-0, ,0004 q 31 0, ,0031
34 34 ---Estimasi Parameter (2) --- Saham Model Parameter Estimasi p-value SMGR UNTR ARIMA [1,21,33],0,0) ARIMA (00,[21,33]) ARIMA ([4,6,19],0,0) ARIMA (0,0,[4,19]) f 1-0, ,0411 f 21 0, ,0432 f 33 0, ,0027 q 21-0, ,0237 q 33-0, ,0025 f 4-0, ,0057 f 6-0, ,0384 f 19 0, ,0112 q 4 0, ,0074 q 19-0, ,0154
35 ResidualWhite Noise --- Uji Ljung Box H 0 : residual White Noise H 1 : residual tidak White Noise Saham ANTM ASII BBCA SMGR UNTR p-value hingga lag Model ARIMA ARIMA ([2,28],0,0) 0,309 0,645 0,469 0,404 0,271 0,190 ARIMA (0,0,[2,28]) 0,488 0,566 0,275 0,214 0,089 0,045 ARIMA ([3,6,7],0,0) 0,419 0,934 0,873 0,949 0,878 0,857 ARIMA (0,0,[3,7,28]) 0,131 0,656 0,505 0,623 0,674 0,548 ARIMA ([18,31],0,0) 0,364 0,685 0,712 0,589 0,617 0,730 ARIMA (0,0,[18,31]) 0,450 0,742 0,745 0,611 0,668 0,728 ARIMA ([1,21,33],0,0) 0,564 0,892 0,728 0,827 0,781 0,865 ARIMA (00,[21,33]) 0,195 0,590 0,512 0,650 0,377 0,492 ARIMA ([4,6,19],0,0) 0,286 0,591 0,550 0,599 0,622 0,484 ARIMA (0,0,[4,19]) 0,680 0,859 0,740 0,729 0,815 0,754 X
36 Residual Berdistribusi Normal --- Uji Kolmogorov Smirnov H 0 : Residual berdistribusi normal H 1 : Residual tidak berdistribusi normal Saham Model p-value Distribusi Normal ANTM ASII BBCA SMGR UNTR ARIMA ([2,28],0,0) 0,075 Ya ARIMA (0,0,[2,28]) 0,0277 Tidak ARIMA ([3,6,7],0,0) 0,0556 Ya ARIMA (0,0,[3,7,28]) >0,15 Ya ARIMA ([18,31],0,0) >0,15 Ya ARIMA (0,0,[18,31]) >0,15 Ya ARIMA ([1,21,33],0,0) >0,15 Ya ARIMA (00,[21,33]) >0,15 Ya ARIMA ([4,6,19],0,0) 0,0314 Tidak ARIMA (0,0,[4,19]) 0,0122 Tidak
37 Pemilihan Model Terbaik --- Saham Model MSD ANTM ARIMA ([2,28],0,0) 0, ARIMA (0,0,[2,28]) 0, ASII ARIMA ([3,6,7],0,0) 0, ARIMA (0,0,[3,7,28]) 0,0004 BBCA ARIMA ([18,31],0,0) 0, ARIMA (0,0,[18,31]) 0, SMGR ARIMA ([1,21,33],0,0) 0, ARIMA (00,[21,33]) 0, UNTR ARIMA ([4,6,19],0,0) 0, ARIMA (0,0,[4,19]) 0, Return ANTM
38 Deteksi Outlier Return Saham UNTR --- Terdapat 20 Outlier Bersifat Additive Model Parameter Estimasi p-value Keterangan f 4-0, ,0317 f 6-0, ,0048 ARIMA (0,0,[4,619]) f 19 0, ,0372-0,08862 <0,0001 0, , , ,0016 Signifikan
39 39 Uji Diagnostik Model ARIMA dengan Outlier --- Return Saham UNTR --- Uji White Noise Uji Normal MSD hingga lag p-value p-value 6 0, , , ,9906 0,0996 0, , , ,9931 White Noise dan Normal
40 Model Matematis Saham PT Aneka Tambang Tbk (ANTM) ARIMA ([2,28],0,0) 40 Saham PT Astra International Tbk (ASII) ARIMA([3,6,7],0,0) Saham PT Bank Central Asia Tbk (BBCA) ARIMA (0,0,[18,31]) Saham PT Semen Gresik Tbk (SMGR) ARIMA ([1,21,33],0,0) Saham PT United Tractors Tbk (UNTR) ARIMA ([4,6,19],0,0) dengan outlier
41 --- Peramalan --- (Periode 1-28 Februari 2012) 41 0,05 0,050 0,04 0,04 0,03 0,03 0,025 0,02 0,02 0,01 Return 0,01 0,00 Return 0,000 Return 0,00-0,01-0,01-0,02-0,03-0,04 A NTM A KTUA L RA MA LA N L95 U95 3Feb 8Feb 10Feb 13Feb Tanggal 21Feb 24Feb -0,025-0,050 A SII A KTUA L RA MA LA N L95 U95 3Feb 8Feb 10Feb 13Feb Tanggal 21Feb 24Feb -0,02-0,03-0,04-0,05 BBC A A KTUA L RA MA LA N L95 U95 3Feb 8Feb 10Feb 13Feb Tanggal 21Feb 24Feb 0,050 0,050 0,025 0,025 Return 0,000 Return 0,000-0,025-0,025-0,050-0,050 SMGR A KTUA L RA MA LA N L95 U95 3Feb 8Feb 10Feb 13Feb Tanggal 21Feb 24Feb UNTR A KTUA L RA MA LA N L95 U95 3Feb 8Feb 10Feb 13Feb Tanggal 21Feb 24Feb
42 Uji Lagrange Multiplier (LM) --- m Nilai TR 2 Uji LM ANTM ASII BBCA SMGR UNTR 1 3,1889 0,3453 8,4047 8,4984 0,0742 3, ,8654 0,3730 8, ,9319 0,3812 5, ,2363 4,0883 9, ,3469 2,3972 7, ,7987 4,1929 9, ,2303 4,0668 9, ,7740 4,3948 9, ,8677 4, , ,8389 6, , ,9620 5, , ,9047 9, , ,1936 7, , ,2454 9, , ,5911 9, , ,5242 9, , , , , , , , , , ,3070 X X
43 Plot ACF dan PACF Residual Kuadrat (1) --- 1,0 1,0 0,8 0,8 0,6 0,6 Autocorrelation 0,4 0,2 0,0-0,2-0,4 Autocorrelation 0,4 0,2 0,0-0,2-0,4 A N T M Partial Autocorrelation -0,6-0,8-1,0 1 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0, Lag A S I I Partial Autocorrelation -0,6-0,8-1,0 1 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0, Lag ,8-0,8-1,0-1, ARCH (2) atau ARCH (1) atau GARCH (1,1) Lag Lag Tidak Ada Model ARCH- GARCH
44 Plot ACF dan PACF Residual Kuadrat (2) --- 1,0 1,0 0,8 0,8 0,6 0,6 Autocorrelation 0,4 0,2 0,0-0,2-0,4 Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,6 B B C A Partial Autocorrelation -0,8-1,0 1 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0, Lag S M G R Partial Autocorrelation -0,8-1,0 1 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0, Lag ,8-0,8-1,0-1, Lag Lag ARCH (1) atau GARCH (1,1) ARCH (1) atau GARCH (1,1)
45 Plot ACF dan PACF Residual Kuadrat --- U N T R Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 Partial Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Lag ARCH (4)
46 Estimasi Parameter ARCH-GARCH(1) --- Saham Model ARIMA Parameter Estimasi p-value ANTM BBCA ARIMA ([2,28],0,0) GARCH (1,1) ARIMA (0,0,[18,31]) GARCH (1,1) f 2 0, ,0076 f 28 0,26259 <0, , , ,1107 0,0006 b 1 0,8406 <0,0001 q 18-0, ,0004 q 31 0, , , , ,1167 0,2591 b 1 0,0649 0,9309
47 Estimasi Parameter ARCH-GARCH(2) --- Saham Model ARIMA Parameter Estimasi p-value f 1-0, ,0411 SMGR ARIMA ([1,21,33],0,0) ARCH (1) f 21 0, ,0432 f 33 0, , , < ,3067 0,0479
48 Peramalan ARCH-GARCH --- 0,0016 0,0014 ANTM In Sample Out Sample 0,0018 0,0016 SMGR In Sample Out Sample 0,0012 0,0014 0,0010 0,0012 0,0008 0,0010 0,0006 0,0008 0,0004 0,0006 0,0002 0,0004 0,0000 April11 Juli11 Okt11 Jan12 0,0002 April11 Juli11 Okt11 Jan12 POTENSI RISIKO TINGGI
49 49 Surabaya, 21 Juni 2012 Seminar Hasil Tugas Akhir Kesimpulan dan Saran --- Melayani Sebaik dan Sebanyak Orang merupakan Pengabdian Tertinggi dalam Kehidupan ---
50 Kesimpulan --- Return saham perusahaan menunjukkan keadaan yang berfluktuasi selama periode pengamatan. Semua saham mengalami penurunan di bulan Oktober 2011 Puncak krisis Eropa menjadi penyebab turunnya nilai saham Saham PT Astra International Tbk (ASII) adalah saham dengan rata-rata return tertinggi Saham PT Aneka Tambang Tbk (ANTM) adalah saham dengan rata-rata return terendah
51 Kesimpulan (2) --- Model terbaik untuk meramalkan return saham ANTM adalah ARIMA ([2,28],0,0), saham ASII dengan model ARIMA([3,6,7],0,0), saham BBCA dengan model ARIMA (0,0,[18,31]), saham SMGR dengan model ARIMA ([1,21,33],0,0) sedangkan pada saham UNTR model ARIMA terbaik diperoleh dengan penangan outlier terlebih dahulu yaitu ARIMA ([4,6,19],0,0). Nilai MSD semua model ARIMA return saham bernilai kurang dari 0,0005. Dalam memodelkan volatilitas saham, hanya terdapat dua saham perusahaan yang memiliki model ARCH-GARCH yaitu PT Aneka Tambang Tbk (ANTM) dan PT Semen Gresik Tbk (SMGR). ANTM memiliki model volatilitas GARCH (1,1) sedangkan SMGR memiliki model volatilitas ARCH (1)
52 Saran--- Dalam penelitian selanjutnya sebaiknya dapat juga menghitung nilai Value at Risk (VaR) dinamik saham perusahaan. Dalam pemodelan analisis volatilitas dapat juga digunakan model ARCH-GARCH yang non linier seperti TGARCH atau EGARCH. Saran terakhir adalah bisa menambahkan variabel lain yang berkaitan dan nilai varians residual dalam model return saham (GARCH-M).
53 Daftar Pustaka (1) --- Anton Analisis Model Volatilitas Return Saham. Tesis Magister Sains dan Akuntansi Universitas Diponegoro. Bollerslev, T Generalized Autoregressive Conditional Heteroscedasticity. Journal of Econometrics 31, Bowerman, B. L., & O'Connell, R. T. (1993). Forecasting and Time Series : An Applied Approach (3rd edition). California: Duxbury Press. Company Profile United Tractors. (2012, Juni ). Dipetik Juni 4, 2012, dari PT United Tractors Tbk: Cryer, J.D Time Series Analysis with Application in R (2 nd ed.) New York: Springer Science+Bussines Media. Deskripsi ANTAM. (2012). Dipetik Juni 4, 2012, dari ANTAM: Engle, R Autoregressive Conditional heteroscedasticity with Estimates ofvariance of UK Inflation. Econometrica, Hamadu, D Modelling and Forecasting the Volatility of the Daily Returns. International Business Research,Vol. 3 No. 2.
54 Daftar Pustaka (2) --- Hien, M. T Modelling and Forecasting Volatility by GARCH Type Models : The Case of Vietnam Stock Exchange. Disertation in Finance and Investment. Ikhtisar Astra. (2012, Juni). Dipetik Juni 4, 2012, dari PT Astra International Tbk: McClain, K. T., & Humphreys, H. B Measuring Risk in The Mining Sector with ARCH Model with Important Observations on Sample Size. Journal of Empirical Finance, Riwayat Singkat Semen Gresik. (2012, Juni). Dipetik Juni 4, 2012, dari PT Semen Gresik (Persero)Tblk: Tentang BCA. (2012, Juni). Dipetik Juni 4, 2012, dari PT Bank Central Asia Tbk: Tsay, R Analysis of Financial Time Series. New Jersey: John Wiley & Sons. Wei, W Time Series Analysis : Univariate and Multivariate. USA: Pearson Education.
55 55 Surabaya, 21 Juni 2012 Seminar Hasil Tugas Akhir 2012 Terima Kasih --- Melayani Sebaik dan Sebanyak Orang merupakan Pengabdian Tertinggi dalam Kehidupan ---
Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Khoiru Liummah Ayu Nastiti, Agus Suharsono Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief
Lebih terperinciAnalisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 2) ISSN: 2-928X D-29 Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Khoiru Liummah Ayu Nastiti, Agus Suharsono Jurusan Statistika,
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 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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ada banyak cara yang dapat dilakukan oleh investor untuk berinvestasi, salah satunya adalah dengan berinvestasi di pasar modal, pasar modal adalah tempat yang memperjualbelikan
Lebih terperinciPENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR)
PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) Oleh: Julianto (1) Entit Puspita (2) Fitriani Agustina (2) ABSTRAK Dalam melakukan investasi dalam saham, investor
Lebih 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 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 terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciBAB 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 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 terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciPERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman
g UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani,
Lebih 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 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 terperinciPERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT
PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 Boy A Lumban Gaol 1, Tumpal Parulian Nababan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1
Lebih 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 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 terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinciPENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR(Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT.TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: NURKHOIRIYAH 1205100050 Dosen Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. 1 Latar
Lebih 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 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 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 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 terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih 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 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 terperinciPemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch
EKBISI, Vol. IX, No. 1, Desember 2014, hal. 57-66 ISSN:1907-9109 Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch Ahmad Syarif 1 Fakultas Syariah dan Hukum UIN Sunan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel ARIMA menggunakan variabel dependen harga saham LQ45 dan variabel independen harga saham LQ45 periode sebelumnya, sedangkan ARCH/GARCH menggunakan variabel dependen
Lebih 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 terperinciPENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M
PENGGUNAAN METODE VaR (Value at Risk) DALAM ANALISIS RESIKO INVESTASI SAHAM PT. TELKOM DENGAN PENDEKATAN MODEL GARCH-M Oleh: Nurkhoiriyah 1205100050 Dosen pembimbing: Dra. Nuri Wahyuningsih, M. Kes. Jurusan
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 terperinciPEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH
PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH BUNGA LETY MARVILLIA Matematika, Fakultas Ilmu Pengetahuan Alam, UNESA Jl. Ketintang villy_cute_7@yahoo.com 1, raywhite_vbm@gmail.com
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
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 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 terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
Lebih 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 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 terperinciPENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH
PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH Gatri Eka K 1, Vebriani Safitry 2, Yesika Kristin 3 Program Studi Matematika, Universitas
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih 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 terperinciSeminar Hasil. Disusun oleh: Inayatus Sholichah. Dosen Pembimbing: Dra. Destri Susilaningrum, M.Si Dr. Suhartono, M.Sc
Seminar Hasil Analisis Volatilitas dan Value at Risk pada Saham Blue Chip dengan Metode ARCH- GARCH. Disusun oleh: Inayatus Sholichah Dosen Pembimbing: Dra. Destri Susilaningrum, M.Si Dr. Suhartono, M.Sc
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih 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 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 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 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 terperinciMODEL NON LINIER GARCH (NGARCH) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG
E-Jurnal Matematika Vol. 4 (2), Mei 215, pp. 59-66 ISSN: 233-1751 MODEL NON LINIER (N) UNTUK MENGESTIMASI NILAI VALUE at RISK (VaR) PADA IHSG I Komang Try Bayu Mahendra 1, Komang Dharmawan 2, Ni Ketut
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih 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 terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 705-715 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN VOLATILITAS PADA RETURN SAHAM BANK BUKOPIN
Lebih terperinciPenerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral
Jurnal Sains Matematika dan Statistika, Vol 2, No I, Januari 206 Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral Ari Pani Desvina, Nadyatul Rahmah 2,2 Jurusan Matematika Fakultas
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 terperinciPERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 361-371 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING DALAM PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M1, M2 PER CADANGAN DEVISA, DAN M2 MULTIPLIER Esteti Sophia Pratiwi,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.
Lebih 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 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 terperinciPEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS. Keywords: Stocks, Portfolio, Return, Volatility, Asymmetric GARCH.
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS
Lebih 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 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 terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 635-643 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciAnalisis Harga Saham Properti di Indonesia menggunakan metode GARCH
Analisis Harga Saham Properti di Indonesia menggunakan metode GARCH Dhafinta Widyasaraswati1,a), Acep Purqon1,b) 1 Laboratorium Fisika Bumi, Kelompok Keilmuan Fisika Bumi dan Sistem Kompleks, Fakultas
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Desain Penelitian Metode yang diterapkan dalam penelitian ini yaitu desain kuantitatif, konklusif, eksperimental dan deskriptif. Metode deskriptif bertujuan untuk membuat
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 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 terperinciSKRIPSI. Disusun Oleh : OKTAFIANI WIDYA NINGRUM
PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM MENGGUNAKANN COPULA (Studi Kasus : Saham-Saham Perusahaan di Indonesia Periode 13 Oktober 2011-12 Oktober 2016) SKRIPSI Disusun Oleh : OKTAFIANI WIDYA NINGRUM
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 terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciPENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 453-462 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
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 terperinciBAB III METODE PENELITIAN. dikumpulkan oleh pihak lain selain dari penelitian itu sendiri. Jenis data yang dipakai
24 BAB III METODE PENELITIAN 1.1 Jenis dan Sumber Data Menurut Sekaran (2003), data sekunder merupakan informasi yang dikumpulkan oleh pihak lain selain dari penelitian itu sendiri. Jenis data yang dipakai
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 terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih 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 terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
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 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 terperinci3 Kesimpulan. 4 Daftar Pustaka
Litterman-2. Keuntungan aktual maksimal kedua kinerja Black Litterman ternyata terjadi pada waktu yang sama yaitu tanggal 19 Februari 2013. Secara umum dapat dinyatakan bahwa pembentukan portofolio dengan
Lebih terperinciPEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)
PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH) SKRIPSI Disusun oleh: MAIDIAH DWI NARURI SAIDA 24010212120003 DEPARTEMEN
Lebih 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Berbicara tentang kegiatan pasar modal saat ini tidak terlepas dari apa yang disebut sebagai indeks harga saham. Untuk mengetahui bagaimana kegiatan ekonomi
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 terperinciMODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK
MODEL TERBAIK ARIMA DAN WINTER PADA PERAMALAN DATA SAHAM BANK Moh. Yamin Darsyah 1, Muhammad Saifudin Nur 2 1,2 Progam Studi Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Muhammadiyah
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciBAB I PENDAHULUAN. tukar uang tersebut dinamakan kurs atau exchange rate. uang tersebut merupakan salah satu aset finansial yang dapat mendorong
BAB I PENDAHULUAN 1.1 Latar Belakang Uang memegang peranan penting dalam perekonomian setiap negara. Aktifitas ekonomi yang dapat dilakukan suatu negara dengan menggunakan uang adalah perdagangan, baik
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 655-662 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
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 terperinciPERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA
Jurnal UJMC, Volume 2, Nomor 1, Hal. 28-35 pissn : 2460-3333 eissn: 2579-907X PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA Novita Eka Chandra 1 dan Sarinem 2 1 Universitas
Lebih terperinci