ISSN : e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3732
|
|
- Vera Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 373 Sifa Asimeris Model Prediksi Generalized Auoregressive Condiional Heerocedasiciy (GARCH) dan Sochasic Volailiy Auoregressive (SVAR) Hadyama Dahna Mara Program Sudi Ilmu Kompuasi Telkom Universiy, Bandung dahnamara@gmail.com 10 Agusus 016 Absrak Dalam dunia invesasi saham, ada beberapa indikaor pening yang dibuuhkan oleh invesor unuk menganisipasi ase dari kerugian. Salah sau indikaor pening yang harus diamai adalah volailias. Volailias sering digunakan sebagai penanda naik aau urunnya harga saham. Salah sau sifa dari volailias adalah asimeris, yaiu volailias akan lebih inggi jika harga saham urun dan akan lebih rendah jika harga saham naik. Sifa asimeris ini berkaian dengan leverage effec yang berari volailias cenderung meningka saa erjadi beria buruk (bad news) dan cenderung menurun saa erjadi beria baik (good news). Sebagai invesor, kia susah memprediksi naik urunnya harga melalui beria, karena erlalu banyaknya beria yang dirilis oleh media. Namun, volailias dapa diliha dari pergerakan daa hisoris. Dari daa hisoris dapa diambil beberapa informasi, seperi harga, reurn dan volailias. Pada ugas akhir ini dilakukan analisis sifa asimeris model volailias Generalized Auoregressive Condiional Heeroscedasiciy (GARCH) dan Sochasic Volailiy Auoregressive (SVAR). Selain iu, dienukan model prediksi pada Indeks Harga Saham Gabungan (IHSG) menggunakan kedua model volailias ersebu. Berdasarkan hasil analisis, model SVAR dapa mengakomodasi sifa asimeris daripada model GARCH dan kedua model memberikan hasil prediksi reurn yang baik pada kondisi daa yang idak memiliki flukuasi eksrim. Kaa Kunci : Asimeris, reurn, volailias, GARCH, SVAR. 1 Pendahuluan Indikaor volailias pening digunakan unuk mengukur risiko dan menganisipasi ase saham dari kerugian. Volailias merupakan ukuran perubahan reurn ase yang dinyaakan sebagai deviasi sandar bersyara [9]. Semakin inggi volailias, maka semakin inggi pula flukuasi harga saham yang mungkin erjadi. Hal ini berari risiko ase ersebu semakin besar. Dari beberapa peneliian erdahulu, volailias diasumsikan konsan dan hanya dinoasikan sebagai variansi. Namun, pada kenyaaannya volailias bergerak erhadap waku dan idak konsan mengikui pengaruh inernal dan eksernal seperi inflasi, kondisi ekonomi, beria baik dan beria buruk, perubahan BI rae dan lainlain. Oleh karena iu, dibuuhkan suau model volailias ak konsan yang dapa melindungi ase saham yang kia miliki yaiu model ime series heeroskedasik. Dewasa ini, perkembangan model volailias pada ime series didasari oleh iga keluarga model, model yang perama Auoregressive Condiional Heeroscedasiciy (ARCH) adalah salah sau model ime series heeroskedasik yang diperkenalkan oleh Engle (198) dan dikembangkan kembali oleh Bollerslev pada ahun 1986 menjadi Generalized Auoregressive Condiional Heeroscedasiciy (GARCH). Selanjunya, model kedua adalah Sochasic Volailiy Auoregressive (SVAR) oleh Taylor (198), dan model keiga adalah Realized Volailiy (RV). 1
2 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3733 Model volailias yang baik adalah model yang dapa mengakomodasi sifasifa reurn dan volailias dari suau ase [1]. Salah sau sifa volailias adalah asimeris. Definisi sifa asimeris ini adalah relasi negaif anara reurn dan volailias. Volailias akan lebih besar jika shock reurn negaif dibanding shock reurn posiif pada besar (shock reurn) yang sama [7]. Hal ini berkaian dengan leverage effec yaiu volailias cenderung meningka saa erjadi beria buruk (bad news) dan cenderung urun saa erjadi beria baik (good news) [10]. Oleh karena iu, pada ugas akhir ini dilakukan analisis sifa asimeris dan menenukan model prediksi pada Indeks Harga Saham Gabungan (IHSG) menggunakan model GARCH dan SVAR. Tinjauan Pusaka.1 Reurn Reurn adalah suau imbal hasil dari penjualan saham yang menyebabkan keunungan dan kerugian selama periode erenu. Reurn saham dapa berupa capial gain dan capial loss. Capial gain adalah suau kondisi dimana seorang invesor menjual sahamnya di saa harga saham melebihi harga beli saham ersebu (mendapa keunungan). Capial loss adalah sebaliknya, dimana suau kondisi R = P P 1 dimana P adalah harga saham hari ini dan P 1 adalah harga saham kemarin. Kemudian adalah nilai reurn yang diperoleh dari logarima naural.. Volailias Volailias merupakan ukuran perubahan reurn suau saham yang bergerak erhadap waku dan dinyaakan sebagai deviasi sandar bersyara [9]. Semakin inggi volailias, maka semakin inggi pula flukuasi aau perubahan harga saham yang mungkin erjadi. Hal ini berari, volailias memberikan informasi mengenai kemungkinan keunungan dan kerugian yang akan di erima oleh invesor. Perhiungan volailias menggunakan daa hisoris dari harga saham pada inerval waku erenu, misalnya harian, mingguan, aau bulanan []. Terdapa iga macam aksiran volailias yang dapa diperoleh dari daa [6], yaiu: 1. Volailias Tipe 1 Volailias sebagai variansi bersyara, Dengan asumsi perubahan harga saham dari waku ke waku jarang erjadi lonjakan, sehingga raa-raa perubahannya nol, maka seorang invesor menjual sahamnya di saa harga saham lebih rendah daripada saa membeli saham ersebu (mendapa (σ ) 1. ( 1) i =1 kerugian). Reurn memiliki dua sifa yaiu bebas skala dan adiif [6], dimana sifa bebas skala adalah reurn suau ase dapa dibandingkan dengan reurn suau ase. Volailias Tipe Dari benuk perama, jika periode semakin besar maka volailiasnya akan menuju nol. Sehingga memoivasi benuk lain 1 lainnya. Sedangkan sifa adiif adalah dengan menghilangkan dan ( 1)
3 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3734 penjumlahan reurn dari seiap periode pada suau periode erenu. Pada peneliian ini digunakan reurn majemuk, karena memenuhi kedua sifa ersebu. ekspekasi dari reurn sama dengan nol. Maka 3
4 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3735 ( ) i adalah salah sau model ime series yang diperkenalkan oleh Engle (198) dan =1 3. Volailias Tipe 3 Volailias juga dapa diliha dari besar reurn erhadap nilai raa-raa aau bisa diambil dari nilai mulaknya dan ekspekasi reurn sama dengan nol. ( ) R =1 Model volailias yang baik adalah model yang dapa mengakomodasi sifa- i dikembangkan kembali oleh Bollerslev pada ahun Bollerslev (1986) mengembangkan model Auoregressive Condiional Heeroscedasiciy (ARCH) menjadi GARCH dengan memasukkan unsur residual dan ragam residual periode sebelumnya. Model GARCH yang digunakan pada peneliian ini adalah model GARCH (1,1), yaiu: =. sifa reurn dan volailias dari reurn suau = ase [1]. Salah sau sifa dari volailias adalah asimeris..3 Konsep Asimeris Sifa asimeris pada volailias adalah relasi negaif anara reurn dan volailias. Volailias akan lebih inggi jika shock reurn negaif dibanding shock reurn posiif pada besar (shock reurn) yang sama [7]. Hal ini berkaian dengan sifa leverage effec, yang berari volailias cenderung meningka saa erjadi beria buruk (bad news) dan cenderung menurun saa erjadi beria baik (good news) [10]. Pada referensi [11] mendefinisikan bahwa leverage effec unuk suau ase pada periode waku erenu adalah korelasi anara reurn dan reurn kuadra pada periode waku yang berbeda dan dinoasikan sebagai beriku: dimana α 0 > 0, α 1 0, β 1 0 dengan asumsi ~ i.i.d N (0,1) aau dengan kaa lain error dan residual digambarkan sebagai suau fakor acak yang memiliki disribusi independen dan idenik (i.i.d) normal..5 Model Sochasic Volailiy Auoregressive (SVAR) Model Sochasic Volailiy Auoregressive (SVAR) adalah pemodelan volailias yang dikembangkan oleh Taylor (1986). Model ini digunakan unuk menghiung perilaku auoregresif dalam volailias finansial. Secara umum, model Sochasic Volailiy Auoregressive orde 1 aau SVAR(1) mempunyai dua proses sokasik,yaiu h ( ) = c r ( ( + ), ( )) = x ( ). dimana variabel τ menyaakan lag dari reurn. Leverage effec pada awalnya bernilai negaif dan akan berjalan erus menuju nol. 4.4 Generalized Auoregressive Condiional Heerocedasiciy (GARCH) Model Generalized Auoregressive Condiional Heeroscedasiciy (GARCH)
5 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3736 h +1 = h + +1 dimana adalah reurn dalam waku. h +1 adalah log dari condiional variance aau volailias yang erdiri dari parameer ( 0 ), parameer ( 1 ) dengan log dari condiional variance pada periode sebelumnya (h ) dan +1 adalah sandard error dari log condiional variance. dan 5
6 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page adalah sandar error aau fakor acak yang diasumsikan sebagai 0 ), ( 1 v )] ( +1 ) ~N [( 0 v dimana (, ) menunjukkan disribusi normal mulivaria dengan mean μ dan kovarian mariks. Koefisien ρ juga dapa didefinisikan sebagai leverage effec jika nilainya negaif [8]. σ v Selanjunya, menaksir parameer model dapa dilakukan dengan mencari nilai parameer yang memaksimumkan nilai fungsi likelihood. θ dikaakan esimaor unuk maksimum likelihood dari θ jika θ Ω.6 Fungsi Likelihood Diberikan fungsi peluang n-varia berganung pada parameer yang idak dikeahui yaiu θ dan berdisribusi idenik dengan pdf X ( i ). Fungsi peluang ersebu dapa diulis sebagai X1,, n ( 1,, 1,, ) a a X ( ) Fungsi Likelihood adalah benuk lain dari disribusi peluang gabungan yang diperoleh dengan (i) menukar peran θ dan x dalam fungsi peluang n-varia, dan (ii) membuang suku yang idak berganung pada θ [13]. Maka fungsi likelihood merupakan suau fungsi dari beberapa parameer dengan diberikan kumpulan nilai yang elah erobservasi dan didefinisikan sebagai: ( ) = ( 1, ) X1,, n ( 1,, ) Unuk memudahkan perhiungan, fungsi likelihood diransformasikan menjadi fungsi log-likelihood. Fungsi logarima adalah fungsi yang monoon naik erhadap fungsi sebenarnya. Maka fungsi log-likelihood dapa didefinisikan sebagai: ( ) = ( ( ) ) = ( i ), =1 6
7 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3738 θ = ax ( 1, ) aau sama halnya dengan nilai θ, dimana ( ) = 0 θ 3. Perancangan Sisem 3.1 Daa Pada peneliian ini dilakukan analisis model prediksi pada Indeks Harga Saham Gabungan (IHSG) periode 4 Januari 011 sampai 31 Desember 014 dengan model GARCH dan SVAR. Selain iu dilakukan analisis sifa asimeris volailias aau leverage effec pada kedua model ersebu. Model yang digunakan adalah GARCH (1,1) dan SVAR (1). 3. Saisika Deskripif Gambar 3.1 : Saisika Deskripif Reurn IHSG Dari daa didapa nilai kurosis sebesar , maka daa dapa dikaakan idak berdisribusi normal. Begiu juga nilai skewness sebesar yang berari kurang dari 0.01 aau kurva condong kekanan, sehingga daa dikaakan idak berdisribusi normal. Namun dalam pengerjaan ugas akhir ini, kedua model yang digunakan memiliki 7
8 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3739 asumsi disribusi normal. Sehingga daa diasumsikan berdisribusi normal. 3.3 Alur Perancangan Sisem Gambar 3.: Alur Perancangan Sisem 4. Implemenasi Hasil 4.1 Analisis Daa cenderung menurun walaupun ada sediki penurunan harga saham pada renan daa 300 sampai 400 dan 600 sampai 700. Berbeda dengan volailias ipe dan 3, dimana keika harga saham bergerak naik, volailias juga bergerak naik. Oleh karena iu pada peneliian ini menggunakan volailias ipe 1 dalam pembangunan model prediksi karena sesuai dengan sifa asimeris pada volailias. 4. Nilai Parameer Model GARCH (1,1) Menggunakan Maksimum Likelihood Tabel 4.1: Parameer GARCH (1,1) Seelah Gambar 4.1: Harga Saham dan Reurn IHSG diperoleh nilai parameer, maka akan dilakukan pembangkian reurn prediksi dari daa raining menggunakan model SVAR(1) dengan parameer yang elah diperoleh. Beriku definisi modelnya: =. σ = ( ) (σ 1 ) Analisis Sifa Asimeris pada Model GARCH (1,1) Gambar 4.: Tipe-ipe Volailias Dianara keiga visual ipe volailias pada Gambar (4.), yang memenuhi sifa ke asimerisan volailias adalah volailias ipe 1. Dapa diliha dengan grafik harga saham, keika harga saham urun di anara daa ke 100 sampai 00 maka volailias saham akan naik dan keika grafik harga saham bergerak naik yang menyebabkan volailias pun 8 τ c r ( ( + ), ( )) Tabel 4.: Hasil Korelasi Reurn dan Reurn Kuadra Model GARCH (1,1) Berdasarkan hasil korelasi anara reurn dengan reurn kuadra pada waku yang berbeda, dapa diliha nilai korelasi
9 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3740 idak memberikan hasil yang konsisen aau berubah-ubah, ada yang menghasilkan 9
10 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3741 korelasi posiif dan ada pula yang menghasilkan korelasi negaif. Hal ini berari nilai korelasi ada yang sesuai dengan definisi leverage effec dan ada yang idak sesuai. Oleh karena iu dapa disimpulkan bahwa model GARCH (1,1) idak dapa mengakomodasi sifa asimeris pada volailias. Mari kia liha dengan perhiungan secara analiik C ( ) C ( ) = ( a ( ). a ( )) = C ( ) = 0 ( ) ( ). ( ) ρ σ v ( a ( ). a ( )) Dari perhiungan analiik, menunjukkan bahwa korelasi shock reurn dengan volailias bernilai nol. Sejalan dengan perhiungan daa riil bahwa model GARCH (1,1) idak dapa mengakomodasi sifa asimeris aau leverage effec. Hal ini erjadi karena pada persamaan volailias model GARCH (1,1) hanya melibakan nilai sebelumnya dari reurn kuadra yang menyebabkan reurn shock posiif dan negaif akan menghasilkan nilai yang sama dan idak memberikan perbedaan pada nilai volailiasnya. 4.3 Nilai Parameer Model SVAR (1) Menggunakan Maksimum Likelihood Tabel 4.3: Parameer SVAR (1) Seelah diperoleh nilai parameer, maka akan dilakukan pembangkian reurn prediksi dari daa raining menggunakan model SVAR(1) dengan parameer yang elah diperoleh. Beriku definisi modelnya: 10 τ ( c r ( ( + ), ( )) X h = x ). ε h +1 = h Analisis Sifa Asimeris pada Model SVAR (1) Tabel 4.4: Hasil Korelasi Reurn dan Reurn Kuadra Model SVAR (1) Dari abel 4.4, dapa diliha nilai korelasi memberikan hasil yang konsisen aau idak berubah-ubah, pada lag 1, 5, dan 15 menghasilkan korelasi negaif. Hal ini berari nilai korelasi sesuai dengan definisi sifa asimeris aau leverage effec. Oleh karena iu dapa disimpulkan bahwa model SVAR (1) dapa mengakomodasi sifa asimeris pada volailias. Mari kia liha dengan perhiungan secara analiik C (ε σ ) = ) = E ( ε + 1 ) C (, v C v ( ε l + 1 ) (Va ( ).Va (l )) +1 = E ( ε l +1 ) E ( ε ). E ( l + 1 ) (Va ( ).Va (l +1 )) (1 σ 1 ) Dari perhiungan secara analiik dapa diliha bahwa erdapa korelasi anara reurn shock dan volailias yang dipengaruhi parameer oleh, +1, dan nilai i nya. Sejalan dengan perhiungan korelasi pada daa riil, dapa disimpulkan bahwa model SVAR (1) dapa
11 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 374 mengakomodasi sifa asimeris pada volailias karena dipengaruhi oleh fakor acak dari model dan nilai parameernya. 4.4 Nilai Prediksi IHSG dengan Model GARCH (1,1) dan SVAR (1) pada Grafik Gambar 4.3: Grafik Reurn Training dengan Reurn Prediksi Model SVAR (1) Gambar 4.4: Grafik Reurn Training dengan Reurn Prediksi Model GARCH (1,1) Dari kedua visualisasi diaas akan susah dikeahui mana model yang erbaik dalam memprediksi daa IHSG. Oleh karena iu dilakukan proses validasi perhiungan error masing-masing model menggunakan Roo Mean Square Error (RMSE) dan Mean Absolue Error (MAE). 4.5 Validasi Model Validasi model digunakan unuk memilih model yang erbaik dengan meliha residual aau error masing-masing model yang elah diuji. Semakin kecil residual aau error, semakin baik pula model ersebu sehingga dapa digunakan unuk memprediksi aau periode selanjunya. Model RMSE MAE GARCH (1,1) SVAR (1) Tabel 4.5: Hasil Validasi dari Model GARCH (1,1) dan SVAR(1) Menuru abel 4.5 dapa diliha bahwa reurn Indeks Harga Saham Gabungan sediki lebih akura apabila di prediksi dengan model GARCH (1,1) dibandingkan dengan SVAR (1). Hal ersebu dapa diliha dari lebih rendahnya nilai-nilai Roo Mean Square Error (RMSE) dan Mean Absolue Error (MAE) dari GARCH (1,1) dibandingkan dengan SVAR(1). Namun berdasarkan hasil korelasi anara reurn dan reurn kuadaranya, model SVAR (1) memiliki kemampuan lebih dalam mengakomodasi adanya sifa asimeris aau leverage effec daripada model GARCH (1,1). Sediki perbedaan akurasi anara model SVAR (1) dan model GARCH (1,1) ini dimungkinkan karena daa periode 4 Januari 011 sampai 31 Desember 014 idak memiliki flukuasi yang eksrim aau idak erdapa penurunan harga saham yang signifikan. Sehingga memoivasi unuk melakukan eksperimen dengan daa lain yang memiliki flukuasi eksrim. 4.6 Prediksi Reurn IHSG dengan model GARCH (1,1) dan SVAR (1) pada periode selanjunya (+1) Periode GARCH(1,1) SVAR(1) Tabel 4.6: Prediksi Model GARCH (1,1) dan SVAR (1) Pada Periode Selanjunya 11
12 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page Pengujian dengan Daa Lain Daa yang digunakan adalah daa Indeks Harga Saham Gabungan periode 3 Juli 006 sampai 1 Juli 010. Didalam periode ersebu erdapa penurunan harga yang signifikan pada bulan Sepember 008 dan memiliki flukuasi yang inggi. Oleh karena iu, dilakukan eksperimen dan analisis mana model erbaik anara GARCH (1,1) dan SVAR (1) yang dapa mengakomodasi sifa asimeri pada daa periode ersebu sera model mana yang lebih baik unuk memprediksi periode selanjunya. Beriku adalah grafik Harga Saham, reurn dan volailias dari daa asli: Pada gambar 4.6 erliha bahwa grafik GARCH (1,1) dan SVAR (1) mengikui pola dari volailias dari daa asli. Namun volailias yang dihasilkan oleh GARCH (1,1) mengalami penyimpangan jarak yang cukup jauh dari volailias daa asli. Hal ini dapa mengakibakan hasil prediksi reurn pun cukup jauh dari daa asli. Dapa diunjukkan grafik dibawah ini Gambar 4.7: Grafik Reurn Asli dengan Reurn Prediksi Model GARCH (1,1) Gambar 4.5: Grafik harga Saham, Reurn dan Volailias dari Daa Pembanding Dari daa periode 3 Juli 006 sampai 1 Juli 010, digunakan volailias ipe 1 karena dapa mewakili sifa keasimerian volailias, disaa harga urun dan reurn negaif maka volailias akan naik dan disaa harga mulai naik dan reurn posiif, maka volailias pun perlahan urun. Seiring dengan kecenderungan naiknya volailias, maka pengaruh bad news erhadap harga dan reurn pun semakin besar dari pada pengaruh good news. Mari kia liha plo volailias daa dan kedua model yang digunakan, unuk meliha pendekaan volailiasnya Gambar 4.6: Grafik Volailias dari Daa dan Volailias Kedua Model Gambar 4.8: Grafik Reurn Asli dengan Reurn Prediksi Model SVAR (1) menuru gambar 4.7, erliha bahwa prediksi reurn model GARCH (1,1), erjadi penyimpangan yang cukup jauh erhadap reurn asli. Berbeda dengan grafik model SVAR (1) yang idak erlalu jauh mengalami penyimpangan dengan daa reurn asli. Sehingga dapa disimpulkan dari kedua visualisasi ersebu, bahwa model SVAR (1) jauh lebih baik digunakan unuk memprediksi daa periode 3 Juli 006 sampai 1 Juli 010 daripada model GARCH (1,1). Namun kesimpulan ersebu belum kua jika hanya meliha dari hasil visualisasi, oleh karena iu perlu dilakukan validasi pada kedua model ersebu menggunakan uji Roo Mean Square Error (RMSE) dan Mean Absolue Error (MAE) yang diunjukkan pada abel 4.7 dibawah ini 1
13 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3744 Model RMSE MAE GARCH(1,1) SVAR(1) Tabel 4.7: Hasil Validasi dari Model GARCH (1,1) dan SVAR (1) pada Daa Pembanding Pada Tabel 4.7 dapa diliha nilai RMSE dan MAE dari model GARCH (1,1) jauh lebih inggi bila dibandingkan dengan RMSE dan MAE model SVAR (1). Sehingga dapa disimpulkan bahwa model SVAR (1) lebih akura dalam memprediksi IHSG periode 3 Juli 006 sampai 1 Juli 010 daripada model GARCH (1,1) karena model SVAR (1) dapa mengakomodasi sifa asimeris pada volailias. 5 Kesimpulan dan Saran 5.1 Kesimpulan Berdasarkan hasil yang diperoleh, maka dapa disimpulkan: 1. Berdasarkan perhiungan analiik dan perhiungan daa riil, model GARCH (1,1) idak dapa mengakomodasi sifa asimeris pada volailias. Namun, model SVAR (1) dapa mengakomodasi sifa asimeris pada volailias.. Model GARCH (1,1) memberikan akurasi RMSE dan MAE yang hampir sama dengan model SVAR (1) pada daa yang idak memiliki flukuasi eksrim. Namun, pada daa yang memiliki flukuasi eksrim, model SVAR (1) memberikan akurasi prediksi yang lebih baik dari pada GARCH (1,1), karena model SVAR (1) dapa mengakomodasi sifa asimeris pada volailias. 5. Saran Seelah menemukan beberapa keseimpulan yang ada di sub bab sebelumnya, penulis ingin menyampaikan beberapa saran yaiu: 1. Menggunakan model keluarga ime series heeroskedasik lain yang dapa mengakomodasi sifa asimeris dalam memprediksi daa yang berflukuasi eksrim maupun idak.. Analisis sifa volailias yang lain pada model ime series seperi persisen volailiy dan mean revering. Dafar Pusaka [1] Engle, R.F & Paon, A.J.(001). Wha good is avolailiy model?. Quaniaive Finance. Vol I, [] Sova, Maya. Pengaruh Raio Leverage Terhadap Volailias Saham pada Indusri Barang Konsumsi di Bursa Efek Indonesia Tahun E-journal WIDYA Ekonomika. Vol 1.No [3] Tesarova, Vikoria.01. Value a Risk: GARCH vs. Sochasic Volailiy Models: Empirical Sudy. Thesis. Charles Universiy, Prague. [4] Anonim. Indeks Harga Saham :Available: hp:// eks.aspx. [Diakses ]. [5] Bollerslev, T.(1986). Generalized auoregressive condiional heeroskedasiciy. Journal of economerics 31(3): pp [6] Aurora, Vanessa.(013). Volailias Asimerik dan Model Volailias Sokasik. Tesis. Insiu Teknologi Bandung, Bandung.. [7] Ederingon, L.H. and Guan, W.(009). How asymmeric is U.S. sock marke volailiy?. Journal of Financial Markes
14 ISSN : e-proceeding of Engineering : Vol.3, No. Agusus 016 Page 3745 [8] Xu, D and Li, Y.(010). Empirical Evidence of he Leverage Effec in a Sochasic Volailiy Model: a Realized Volailiy Approach. Working Papers 100. [9] McNeil, Alexander.J.(005). Quaniaive Risk Managemen : Conceps, Techniques and Tools. Princeon Universiy Press, New Jersey. [10] Sanjaya, M.Ryan.(015). Akurasi Prediksi Volailias Rupiah. Working paper in economics and business. Universias Gadjah Mada, Yogyakara. [11] Con, R. (001). Empirical Properies of Asse Reurns : Sylized Facs and SaFisical Issues. Quaniaive Finance. Vol I, [1] Ederingon, L.H. dan Guan, W.(009). How asymmeric is U.S.sock marke volailiy?. Journal of Financial Markes [13] Harvey, A.C. and N. Shephard, The Esimaion of an Asymmeric Sochasic Volailiy Model for Asse Reurns, Journal of Business and Economic Saisics, Vol.14,
BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciPemodelan Volatilitas Saham Menggunakan Jaringan Syaraf Tiruan dan Algoritma Genetika
Pemodelan Volailias Saham Menggunakan Jaringan Syaraf Tiruan dan Algorima Geneika Hasbi Yasin 1 1 Jurusan Saisika Undip, hasbiyasin@undip.ac.id Absrak. Flukuasi yang besar dan idak pasi dalam peramalan
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciI. PENDAHULUAN II. LANDASAN TEORI
I. PENDAHULUAN. Laar Belakang Menuru Sharpe e al (993), invesasi adalah mengorbankan ase yang dimiliki sekarang guna mendapakan ase pada masa mendaang yang enu saja dengan jumlah yang lebih besar. Invesasi
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 3045
ISSN : 2355-9365 e-proceeding of Engineering : Vol4, No2 Agusus 2017 Page 3045 VALUE-AT-RISK PADA SATU ASET SAHAM DAN PORTOFOLIO BERBASIS MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
Lebih terperinciSUPLEMEN 3 Resume Hasil Penelitian: Analisis Respon Suku Bunga dan Kredit Bank di Sumatera Selatan terhadap Kebijakan Moneter Bank Indonesia
SUPLEMEN 3 Resume Hasil Peneliian: Analisis Respon Suku Bunga dan Kredi Bank di Sumaera Selaan erhadap Kebijakan Moneer Bank Indonesia Salah sau program kerja Bank Indonesia Palembang dalam ahun 2007 adalah
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciIII. METODE PENELITIAN. Usahatani belimbing karangsari adalah kegiatan menanam dan mengelola. utama penerimaan usaha yang dilakukan oleh petani.
III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Usahaani belimbing karangsari adalah kegiaan menanam dan mengelola anaman belimbing karangsari unuk menghasilkan produksi, sebagai sumber
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Salah sau ujuan didirikannya perusahaan adalah dalam rangka memaksimalkan firm of value. Salah sau cara unuk mengukur seberapa besar perusahaan mencipakan
Lebih terperinciBAB II MATERI PENUNJANG. 2.1 Keuangan Opsi
Bab II Maeri Penunjang BAB II MATERI PENUNJANG.1 Keuangan.1.1 Opsi Sebuah opsi keuangan memberikan hak (bukan kewajiban) unuk membeli aau menjual sebuah asse di waku yang akan daang dengan harga yang disepakai.
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinci(T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES
PROSIDING ISSN : 087-590. Seminar Nasional Saisika November 0 Vol, November 0 (T.9) PENAKSIRAN MODEL GARCH DENGAN METODE BOUNDED M-ESTIMATES Yahya Ubaid ), Budi Nurani R. ), Mulyana K. 3) )Mahasiswa Program
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciMETODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya
III. METODE PENELITIAN A. Meode Dasar Peneliian Meode yang digunakan dalam peneliian ini adalah meode kuaniaif, yang digunakan unuk mengeahui dan pembahasannya mengenai biaya - biaya usaha melipui biaya
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciSIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK
Jurnal Maemaika Murni dan Terapan εpsilon Vol.9 No.2 (215) Hal. 15-24 SIMULASI PEGEAKAN TINGKAT BUNGA BEDASAKAN MODEL VASICEK Shanika Marha, Dadan Kusnandar, Naomi N. Debaaraja Fakulas MIPA Universias
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciPERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT
Saisika, Vol. 2, No. 2, November 24 PERAMALAN FUNGSI TRANSFER SINGLE INPUT INDEKS HARGA SAHAM GABUNGAN TERHADAP SAHAM NEGARA TERDEKAT Sri Wahyuni, 2 Farikhin, Iswahyudi Joko Suprayino Program Sudi Saisika
Lebih terperinciMuhammad Firdaus, Ph.D
Muhammad Firdaus, Ph.D DEPARTEMEN ILMU EKONOMI FEM-IPB 010 PENGERTIAN GARIS REGRESI Garis regresi adalah garis yang memplokan hubungan variabel dependen (respon, idak bebas, yang dipengaruhi) dengan variabel
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciBAB 2 LANDASAN TEORI. dari sisi ekonometrika maupun dari segi perancangan. Ekonometrika akan berguna
BAB LANDASAN TEORI. Kerangka Teori Kerangka eori berisi penjabaran semua eori-eori yang akan digunakan, baik dari sisi ekonomerika maupun dari segi perancangan. Ekonomerika akan berguna dalam analisis
Lebih terperinciPengaruh variabel makroekonomi..., 24 Serbio Harerio, Universitas FE UI, 2009Indonesia
BAB 3 DATA DAN METODOLOGI 3.1 Variabel-Variabel Peneliian 3.1.1 Variabel dependen Variabel dependen yang digunakan adalah reurn Indeks Harga Saham Gabungan yang dihiung dari perubahan logarima naural IHSG
Lebih terperinciIII KERANGKA PEMIKIRAN
III KERANGKA PEMIKIRAN 3.1 Teori Risiko Produksi Dalam eori risiko produksi erlebih dahulu dijelaskan mengenai dasar eori produksi. Menuru Lipsey e al. (1995) produksi adalah suau kegiaan yang mengubah
Lebih terperinciOleh: TANTI MEGASARI Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes
PERAMALAN INDEKS HARGA SAHAM YANG DIPENGARUHI KURS, PERUBAHAN INFLASI, POSISI JUMLAH DEPOSITO BERJANGKA, SUKU BUNGA SBI DAN DEPOSITO MENGGUNAKAN FUNGSI TRANSFER DAN ARCH-GARCH Oleh: TANTI MEGASARI 6 00
Lebih terperinciIII. KERANGKA PEMIKIRAN
III. KERANGKA PEMIKIRAN 3.1. Kerangka Teoriis 3.1.1 Daya Dukung Lingkungan Carrying capaciy aau daya dukung lingkungan mengandung pengerian kemampuan suau empa dalam menunjang kehidupan mahluk hidup secara
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciPENERAPAN METODE TRIPLE EXPONENTIAL SMOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUSAHAAN MEBEL SINAR JEPARA TANJUNGANOM NGANJUK.
PENERAPAN METODE TRIPLE EXPONENTIAL MOOTHING UNTUK MENGETAHUI JUMLAH PEMBELI BARANG PADA PERUAHAAN MEBEL INAR JEPARA TANJUNGANOM NGANJUK. ii Rukayah*), Achmad yaichu**) ABTRAK Peneliian ini berujuan unuk
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciPROSES AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DENGAN DUGAAN VARIANSI INFLASI INDONESIA
PROSES AUOREGRESSIVE CONDIIONAL HEEROSCEDASICIY DENGAN DUGAAN VARIANSI INFLASI INDONESIA Rianiai Monica, Suyono, dan Vera Maya Sani Jurusan Maemaika FMIPA UNJ Absrak Model-model runun waku konvensional,
Lebih terperinciPenentuan Pelebaran Window Time Optimal Pada Data Deret Waktu
1 Penenuan Pelebaran Window Time Opimal Pada Daa Dere Waku (1) Nursya`bani Hendro Prabowo dan (2) Raden Mohamad Aok Deparemen Saisika, Fakulas Maemaika dan Ilmu Pengeahuan Alam, Insiu Teknologi Sepuluh
Lebih terperinciBAB I PENDAHULUAN. Volatilitas memiliki banyak peranan dalam sektor finansial, satu
BAB I PENDAHULUAN. Laar Belakang Masalah Volailias memiliki banyak peranan dalam sekor finansial, sau dianaranya dalam hal pengamaan perilaku dari harga suau ase finansial. Perilaku dari harga suau ase
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciModel Dinamis: Autoregressive Dan Distribusi Lag (Studi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domestik Regional Bruto (PDRB))
Model Dinamis: Auoregressive Dan Disribusi Lag (Sudi Kasus : Pengaruh Kurs Dollar Amerika Terhadap Produk Domesik Regional Bruo (PDRB)) Dynamic Model : Auoregressive and Disribuion Lag (Case Sudy: Effecs
Lebih terperinciPENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA
ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciSekilas Pandang. Modul 1 PENDAHULUAN
Modul 1 Sekilas Pandang Drs. Irlan Soelaeman, M.Ed. S PENDAHULUAN uau hari, saya dan keluarga berencana membawa mobil pergi ke Surabaya unuk mengunjungi salah seorang saudara. Sau hari sebelum keberangkaan,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciIII. METODE PENELITIAN. Konsep dasar dan definisi operasional merupakan pengertian dan petunjuk yang
III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Konsep dasar dan definisi operasional merupakan pengerian dan peunjuk yang digunakan unuk menggambarkan kejadian, keadaan, kelompok, aau
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-299
JURNAL SAINS DAN SENI ITS Vol. 4, No., (5) 337-35 (3-98X Prin) D-99 Esimasi Value a Risk (VaR) Porofolio Saham yang Tergabung dalam Indeks LQ45 Periode Agusus 4 sampai Januari 5 Menggunakan Meode Copula
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciIDENTIFIKASI POLA DATA TIME SERIES
IDENTIFIKASI POLA DATA TIME SERIES Daa merupakan bagian pening dalam peramalan. Beriku adalah empa krieria yang dapa digunakan sebagai acuan agar daa dapa digunakan dalam peramalan.. Daa harus dapa dipercaya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan adalah kegiaan memperkirakan apa yang akan erjadi pada masa yang akan daang. Ramalan adalah sesuau kegiaan siuasi aau kondisi yang diperkirakan akan erjadi
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,
Lebih terperinciBAB III. Pada bab ini akan dijelaskan mengenai tahapan perhitungan untuk menilai
BAB III PENILAIAN HARGA WAJAR SAHAM PAA SEKTOR INUSTRI BATUBARA ENGAN MENGGUNAKAN TRINOMIAL IVIEN ISCOUNT MOEL 3.. Pendahuluan Pada bab ini akan dijelaskan mengenai ahapan perhiungan unuk menilai harga
Lebih terperinciPENELUSURAN EMPIRIS KETERKAITAN PASAR KEUANGAN DAN KOMPONEN PERTUMBUHAN EKONOMI INDONESIA,
PENELUSURAN EMPIRIS KETERKAITAN PASAR KEUANGAN DAN KOMPONEN PERTUMBUHAN EKONOMI INDONESIA, 2004-2008 Banoon Sasmiasiwi, Program MSi FEB UGM Malik Cahyadin, FE UNS Absraksi Perkembangan ekonomi akhir-akhir
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian yang dilakukan mengenai analisis perencanaan pengadaan una berdasarkan ramalan ime series volume ekspor una loin beku di PT Tridaya Eramina
Lebih terperinciBab II Dasar Teori Kelayakan Investasi
Bab II Dasar Teori Kelayakan Invesasi 2.1 Prinsip Analisis Biaya dan Manfaa (os and Benefi Analysis) Invesasi adalah penanaman modal yang digunakan dalam proses produksi unuk keunungan suau perusahaan.
Lebih terperinciPENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA
PENENTUAN MODEL PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE ARIMA Leopoldus Ricky Sasongko, Lydia Ninuk Rahayu, dan Alberh Roy Koa 3,,3 Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Persediaan Persediaan adalah barang yang disimpan unuk pemakaian lebih lanju aau dijual. Persediaan dapa berupa bahan baku, barang seengah jadi aau barang jadi maupun
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.
PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryano Sudirham Sudi Mandiri Inegral dan Persamaan Diferensial ii Darpublic 4.1. Pengerian BAB 4 Persamaan Diferensial (Orde Sau) Persamaan diferensial adalah suau persamaan di mana erdapa sau aau lebih
Lebih terperinci(T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF
Seminar Nasional Saisika 12 November 2011 Vol 2, November 2011 (T.6) PENDEKATAN INDEKS SIKLUS PADA METODE DEKOMPOSISI MULTIPLIKATIF Gumgum Darmawan, Sri Mulyani S Saf Pengajar Jurusan Saisika FMIPA UNPAD
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan pada kasus pengolahan ikan asap IACHI Peikan Cia Halus (PCH) yang erleak di Desa Raga Jaya Kecamaan Ciayam, Kabupaen Bogor,
Lebih terperinciMODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR
MODEL ARIMAX DAN DETEKSI GARCH UNTUK PERAMALAN INFLASI KOTA DENPASAR S - 27 Rukini, Suharono2 2,2 Jurusan Saisika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciBAB III METODE PENELITIAN
3. METODE PENELITIAN 3.1. Kerangka Pikir BAB III METODE PENELITIAN Peneliian ini diujukan unuk membukikan adanya hubungan dan pengaruh dari nilai ukar Rupiah erhadap Dollar Amerika Serika (exchange rae),
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Penenuan Exposure dan Holding Period Pada bab ini, risiko harga komodias energi akan diukur dalam sauan sandard fuures conrac size NYMEX. Unuk minyak menah (ligh swee
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciDistribusi Normal Multivariat
Vol.4, No., 43-48, Januari 08 Disribusi Normal Mulivaria Husy Serviana Husain Absrak Pada engendalian roses univaria berdasarkan variabel, biasanya digunakan model disribusi normal unuk mengamai kualias
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciBAB III METODOLOGI PENELITIAN
14 BAB III METODOLOGI PENELITIAN Peneliian ini ialah berujuan (1) unuk menerapkan model Arbirage Pricing Theory (APT) guna memprediksi bea (sensiivias reurn saham) dan risk premium fakor kurs, harga minyak,
Lebih terperinci