BAB 3 ANALISIS DAN PERANCANGAN
|
|
- Susanti Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 46 BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Kebutuhan Untuk mendapatkan informasi yang tepat mengenai saham- saham emiten yang selalu exist tercatat di Jakarta Islamic Index, yang dalam hal ini adalah mengenai nilai risiko berinvestasi, maka penulis mengadakan melakukan pengamatan langsung terhadap saham- saham emiten yang selalu exist tercatat di Jakarta Islamic Index dan studi pustaka di perpustakaan- perpustakaan, baik di Bina Nusantara, Institut Pertanian Bogor, maupun Pusat Informasi Bursa Efek Jakarta. Dari hasil pengamatan langsung terhadap saham- saham emiten yang selalu exist tercatat di Jakarta Islamic Index, yaitu:pt AALI (PT ASTRA AGRO LESTARI), PT ANTAM(PT ANEKA TAMBANG), PT ISAT(PT INDOSAT Tbk), PT TLKM(PT TELEKOMUNIKSI INDONESIA Tbk), PT TINS(PT TIMAH Tbk), dan PT UNTR(PT UNITED TRACTORS Tbk) Variabel Penelitian Variabel-variabel penelitian yang digunakan adalah sebagai berikut: Variabel bebas : x 1 = σ T+1 x = b Variabel terikat: y = VaR Dimana: σ T+1= h t h t = k + δ 1 h t-1 + δ h t- +.+ δ r h t-r + α 1 έ t -1 + α έ t α m έ t m
2 47 ragam dari X t = ln d t ~ GARCH(p,q), kemudian dihasilkan h t dari dengan, d t-1 formula GARCH yang dimodelkan ragam X t VaR b h t σ T+1 d t : besarnya risiko : periode kepemilikan saham / asset (dalam bulan) : peramalan ragam di periode mendatang, hasil formula GARCH(p,q) : Volatility yang akan datang (hasil peramalan) : harga saham close pada hari ke t d t-1 : harga saham close pada hari ke t Disain Penelitian Disain penelitian yang dirancang dari variabel-variabel tersebut adalah sebagai berikut. VaR =( σ T+1 x b) x Z α x W Dimana: σ T+1= h t h t = k + δ 1 h t-1 + δ h t- +.+ δ r h t-r + α 1 έ t -1 + α έ t α m έ t m ragam dari X t = ln formula GARCH yang dimodelkan ragam X t Dengan, d t d t-1 ~ GARCH(p,q), kemudian dihasilkan h t dari VaR b Z α W : besarnya risiko : periode kepemilikan saham / asset (dalam hari) : titik kritis dalam table Z dengan α tertentu : Besarnya investasi rupiah
3 48 σ T+1 d t : Volatility yang akan datang (hasil peramalan) : harga saham close pada hari ke t d t-1 : harga saham close pada hari ke t-1 Dimana: Gambar 3.1 Disain Penelitian Variabel bebas : x 1 = σ T+1 x = b Variabel terikat: y = VaR Pengumpulan Data Data yang digunakan merupakan data kuantitatif yang berdasarkan pengumpulan data digunakan data time series agar dapat dihitung risiko berinvestasi pada sahamsaham emiten yang selalu exist tercatat di JII. Analisis yang dilakukan dengan menggunakan data sebenarnya (parameter), yaitu: data harian saham- saham individu emiten yang selalu exist tercatat di Jakarta Islamic Index selama tiga tahun dari Januari 003 sampai dengan 30 November 005, dengan T= 709 pengamatan. Data dicatat sesuai dengan banyaknya hari kerja
4 49 yaitu 1 minggu terdiri dari 5 hari dan hari libur tidak dicatat. Data diperoleh dari dan hasil observasi langsung ke PRPM(Pusat Referensi Pasar Modal). Data kemudian dikonversikan ke nilai pengembalian (return) dinotasikan dengan X t, dengan formula sebagai berikut: X t = ln d t d t-1 Di mana d t adalah peubah harga saham close saham- saham emiten- emiten yang selalu exist tercatat di Jakarta Islamic Index, sedangkan X t disebut tingkat pengembalian pada hari ke t. Data inilah yang digunakan dalam penelitian Teknik Analisis Langkah- langkah yang dilakukan dalam meramalkan nilai risiko berinvesatasi dengan metode GARCH, meliputi: a. Identifikasi Model GARCH langkah awal yang dilakukan adalah mengidentifikasi ada tidaknya heretoskedastisitas dari data individu saham- saham yang tercatat di JII. Langkah ini dilakukan dengan uji ARCH dengan tahapan sebagai berikut: 1) Menggunakan Metode Kuadrat Terkecil untuk menduga model ARMA (p,q) dan diperoleh juga sisaan (έ t ). ф (B) X t = θ tq (B) έ t ) Regresikan kuadrat galat (έ t ) terhadap kuadrat galat (έ t ) yang dapat dituliskan sebagai berikut: 3) Uji hipotesis έ t = α 0 + α 1 έ t α q έ t q + V t
5 50 H 0 :α 0 = α 1 = = α q =0 dengan uji LM Engle dengan statistik ujinya adalah LM=n*R (n = banyaknya pengamatan, R = koefisien determinasi). Tolak H 0 jika LM > χ q (α), yang berarti bahwa terdapat pengaruh ARCH. (Engle dalam Tagliafichi, 003) Selain itu, dilihat pula nilai kurtosis (keruncingan) data. Menurut Lembang (001), jika data memiliki nilai kurtosis yang lebih besar dari 3, maka data tersebut memiliki sifat heteroskedastisitas. b. Pendugaan Parameter Model GARCH Pendugaan parameter dimaksudkan untuk mencari koefisien model yang paling sesuai dengan data. Penentuan dugaan parameter ARCH-GARCH dilakukan menggunakan kemungkinan Maksimum secara iteratif dengan algoritma Marquardt. Jika sisaan baku model menyebar normal maka penduganya adalah penduga Kemungkinan Maksimum yang efisien. Namun jika sisaan baku tidak menyebar normal, maka untuk mendapat penduganya digunakan Metode Quasi- Maximum Likelihood. c. Pemilihan model GARCH Terbaik kriteria model yang terbaik adalah memiliki ukuran kebaikan model yang besar dan koefisien yang nyata. Berikut terdapat dua bentuk pendekatan yang dapat digunakan sebagai ukuran kebaikan model yaitu: 1).Akaike Info Criterion (AIC). - l /n + k/n ).Schwarz Criterion(SC)
6 51 - l /n +[k log (n)]/n R Dimana: l - = [1 + log(π) + log (ε`ε / R)],dengan: k : Banyaknya penduga parameter. n : Banyaknya pengamatan l : Nilai fungsi log likelihood ε`ε : Jumlah kuadrat sisaan R : Banyaknya sisaan atau residual Sehingga model yang terbaik adalah jika AIC dan SC minimum, dan koefisien model signifikan (Tagliafichi,003). d. Pemeriksaan Model GARCH Pemeriksaan kecukupan model dilakukan untuk menguji asumsi, sehingga model yang diperoleh cukup memadai. Jika model tidak memadai, maka kembali ke tahap identifikasi untuk mendapatkan model yang lebih baik. Langkah awal yang dilakukan adalah memeriksa kenormalan sisaan baku model dengan Uji Jarque Bera (JB). Uji ini ini berfungsi untuk menguji kenormalan sebaran data. Uji Jarque Bera mengukur perbedaan antara Skewness (kemenjuluran) dan kurtosis (keruncingan) data dari sebaran normal, serta memasukkan ukuran keragaman. Hipotesis yang diuji adalah sebagai berikut: H 0 : sisaan baku menyebar normal H 1 : sisaan baku menyebar tidak normal Statistic Uji Jarque Bera(JB) dihitung dengan persamaan berikut: N-K JB= (S + ¼ (k-3) ) 6
7 5 Dengan: S : Kemenjuluran K : Keruncingan k : Banyaknya koefisien penduga N : Banyaknya data pengamatan Di bawah ini kondisi hipotesis nol, JB memiliki derajat bebas. Tolak H 0 jika JB > atau P(JB < χ () (α)) kurang 0.05, maka tolak hipotesis nol, yang berarti bahwa data sisaan terbakukan tidak menyebar normal. Model GARCH menunjukkan kinerja baik jika dapat menghilangkan autokorelasi dari data, yaitu bila sisaan baku, U i / σ i, merupakan suatu proses ingkar putih. Langkah selanjutnya adalah memeriksa koefisien Autocorrellation Function (ACF) sisaan baku, U i / σ i, dengan uji statistika Ljung- Box. Uji Ljung- Box (Q*) pada dasarnya adalah pengujian kebebasan U i / σ i. untuk data derajat waktu dengan pengamatan, statistik uji Ljung- Box diformulasikan sebagai : Q * = n(n+) Dimana r 1 (έ t ) adalah autokorelasi contoh pada lag 1 dan k adalah maksimum lag yang diinginkan. Jika nilai Q* lebih besat dari nilai χ (α) dengan derajat bebas k- p-q atau nilai p(χ (k-p-q) > Q*) lebih kecil dari taraf nyata 0.05, maka model tidak memadai. r 1 (έ t ) n-k e. Peramalan Ragam
8 53 Setelah memperoleh model yang memadai, model tersebut digunakan untuk memperkirakan nilai volatility masa datang. Peramalan ragam untuk periode mendatang, diformalisasikan sebagai: h t = k + δ 1 h t-1 + δ h t- +.+ δ r h t-r + α 1 έ t -1 + α έ t α m έ t m f. Perhitungan VaR Langkah terakhir adalah melakukan melakukan perhitungan Value at Risk (VaR), yaitu: ringkasan peluang kerugian maksimum selama horizon waktu tertentu dengan selang kepercayaan tertentu (Jorion,001). Secara matematis VaR dapat didefinisikan secara berikut: VaR =( σ T+1 x b) x Z α x W Dengan, VaR b Z α W σ T+1 : besarnya risiko : periode kepemilikan saham / asset : titik kritis dalam table Z dengan α tertentu : Besarnya investasi rupiah : Volatility yang akan datang (hasil peramalan) 3. Perancangan Piranti Lunak 3..1 Rumusan Rancangan Perancang program khususnya dalam menganalisis peramalan nilai Value at Risk (VaR) dengan menggunakan metode GARCH, pada rancangan yang akan dibangun menggunakan output software Eviews 5 untuk mendapatkan formula yang dibutuhkan dalam memodelkan ragam volatility data nilai pengembalian yang ada dengan metode GARCH sebagai input program, sehingga output yang dihasilkan dari
9 54 program berupa peramalan nilai risiko berinvestasi, yang diharapkan dapat digunakan sebagai Sistem Pendukung Keputusan untuk solusi berinvestasi baik bagi investor. Adapun rumusan rancangannya adalah Perancangan program report peramalan nilai risiko berinvestasi pada saham- saham yang tercatat di Jakarta Islamic Index dengan menggunakan Metode Generalized Autoregressive Conditional Heteroscedasticity (GARCH). 3.. Perancangan Struktur Menu Rancangan menu terdiri dari tiga bagian, yaitu Menu Data, Menu Analisis, dan Keluar. Gambar 3. Rancangan Hirarki Menu Menu Data digunakan untuk masuk ke dalam form Data, yang berguna untuk memasukkan data, menambahkan data, mengubah data dan menghapus data pada database. Menu Analisis digunakan untuk menganalisis dengan mengunakan output Eviews 5 sebagai input program untuk meramalkan nilai risiko berinvestasi (Value at Risk). Menu Keluar digunakan apabila user ingin mengakhiri penggunaan peramalan nilai risiko berinvestasi dengan metode GARCH program ini Perancangan Basis Data
10 55 Dalam skripsi ini program basis data yang digunakan adalah Microsoft Access 000. perancangan basis data program ini tidak memiliki struktur yang rumit dan besar, dikarenakan basis data yang digunakan hanya untuk menyimpan kode saham, nama emiten saham, t ( periode), harga saham close. Penggunaan basis data dimaksudkan agar data- data atau informasi yang ada dapat dengan mudah digunakan, di- update, ditambah maupun dihapus. Microsoft Access 000 adalah salah satu hasil produksi perusahaan terbesar IT saat ini, yaitu: Microsoft. Program Microsoft Access merupakan bagian dari paket software yang paling banyak digunakan di masyarakat, yaitu Microsoft Office. Objek- objek yang ada di Microsoft Access 000 antara lain terdiri dari tables, queries, forms, report. Dalam skripsi ini Penulis mengunakan dua tabel, yaitu: tabel emiten yang diberi nama tblemiten dan tabel saham yang diberi nama tblsaham. Struktur tabel tersebut tampak pada tabel 3.1 dan tabel 3.. Tabel 3.1 tabel emiten Nama tabel: Tblemiten Primary key: Kode Keterangan: Menyimpan kode dan nama emiten Nama Kolom Tipe Data Ukuran Keterangan Kode Text 4 Kode Saham Nama Text 30 Nama emiten saham Tabel 3. tabel saham
11 56 Nama tabel: Tblsaham Primary key: t, kode Keterangan: Menyimpan, t, kode dan harga saham Nama Kolom Tipe Data Ukuran Keterangan T Number Double Periode waktu Kode Text 4 Kode Saham hrgsaham Number Double Harga Saham 3..4 Perancangan Modul Gambar 3.3 Hubungan antar modul Pada perancangan modul, dapat dijelaskan sebagai berikut, sewaktu program dijalankan, user harus sudah meletakkan basis data saham.mdb ke dalam folder dimana program tersebut dijalankan, jika tidak maka program akan menampilkan pesan yang kesalahan. Dari program dijalankan, user dapat segera memulai manganalisis dengan meramalkan nilai risiko berinvestasi dengan metode GARCH. Analisis tersebut meramalkan berdasarkan data yang terdapat pada basis data. Hal ini dapat dilakukan apabila data- data yang terdapat berdasarkan kode emiten yang dipilih pada basis data sudah ada yang dikehendaki oleh user. Jika kode emiten yang dikehendaki tidak
12 57 terdapat, maka user dapat menambahkan kode emiten dan nama emiten yang baru sesuai dengan yang dikehendaki oleh user melalui modul Data. Jika data harga saham close ingin ditambahkan, diubah atau dihapus, maka user dapat dilakukan melalui modul Data. Dan untuk melihat grafik nilai return (X t ) dan indeks, dilakukan melalui modul Data. Setelah semua data tersebut sudah selesai dan tersedia, maka user dapat melanjutkan ke proses selanjutnya, yaitu: proses analisis data, melalui modul Analisis. Untuk kode yang digunakan pada basis data dan pada program yang dirancang mempunyai length empat karakter dan bersifat unik, sehingga tidak ada kode yang sama antara dua nama saham. Kode yang digunakan merupakan singkatan dari nama perusahaan emiten. Kode yang digunakan sudah sesuai dengan yang dikeluarkan oleh Bursa Efek Jakarta dan dipergunakan sebagai identitas perusahaan tersebut dalam perdagangan saham. Kode perusahan emiten yang digunakan dapat dilihat pada tabel 3.3 Tabel 3.3 Kode dan perusahaan emiten yang yang selalu exist tercatat di Jakarta Islamic Index. PERUSAHAAN EMITEN PT Astra Agro Lestari PT Aneka Tambang PT Indosat Tbk PT Timah Tbk PT Telekomunikasi PT United Tractors Tbk KODE AALI ANTM ISAT TINS TLKM UNTR
13 58 Pada modul analisis user memilih data yang digunakan dengan memilih kode emiten yang terdapat pada combo box. Pada proses anailisis terdapat tahapan untuk melakukan pemodelan dan perhitungan Value at Risk atau nilai risiko berinvestasi. Pada modul ini terdapat enam tahapan, yaitu: identifikasi model GARCH, penduga parameter model GARCH, pemilihan Model GARCH terbaik, pemeriksaan model GARCH, peramalan, dan yang terakhir perhitungan VaR Modul Menu Utama Modul Menu Utama ini digunakan untuk tampilan awal program peramalan nilai risiko berinvestasi dengan metode GARCH ini. Rancangan layar menu utama dapat dilihat pada gambar 3.4, merupakan gambar rancangan layar dari halaman menu utama yang diakses pertama kali oleh user, terdapat tiga tombol, yaitu tombol Data, tombol Analisis, dan tombol Keluar. Gambar 3.4 Form Menu Utama
14 59 Pada modul ini terdapat 3 fungsi utama, yaitu Data untuk masuk ke dalam modul Data, Analisis untuk masuk ke modul Analisis, dan Keluar untuk keluar ke windows. State Transition Diagram Menu Utama Gambar 3.5 State Transition Diagram Menu Utama Pseudocode Modul Menu Utama If (Click Data ) then Display Menu Data If (Click Analisis ) then Display Menu Analisis If (Click Keluar ) then terminate
15 Modul Menu Data Modul Data berfungsi untuk menambahkan data, mengubah data, dan menghapus data dalam basis data yang ada, sesuai dengan kode emiten yang terdapat pada combo box. Gambar 3.6 Form Menu Data Pada gambar 3.6 adalah gambar rancangan layar Menu Data dengan fungsifungsi pada Modul Data, yaitu fungsi Emiten Baru, fungsi tambah, fungsi ubah, fungsi hapus, fungsi lihat grafik dan fungsi kembali. Fungsi emiten baru, yaitu apabila dalam combo box tidak terdapat kode emiten yang dikehendaki, maka user dapat menyimpan kode emiten dengan tombol simpan dan nama emiten baru tersebut dan terdapat tombol batal, yaitu untuk kembali ke Menu Data. Fungsi tambah, yaitu fungsi yang dapat digunakan oleh user untuk menambah data nilai t dan harga saham close. Fungsi ubah, yaitu: fungsi yang dapat digunakan oleh user untuk mengubah data nilai t dan harga saham close. Fungsi hapus, yaitu fungsi yang dapat digunakan
16 61 oleh user untuk menghapus data ke t, maka isi record atau baris ke t akan terhapus. Fungsi lihat grafik, yaitu fungsi yang dapat digunakan oleh user untuk melihat grafik nilai pengembalian dan nilai indeks. Dan fungsi kembali, yaitu fungsi yang dapat digunakan oleh user untuk kembali ke Menu Utama. Pada gambar 3.7 adalah rancangan layar untuk halaman Masukkan Emiten Baru. Gambar 3.7 Form Masukkan Emiten Baru Pada gambar 3.8 adalah rancangan layar untuk menampilkan frmgrafik1, yaitu grafik nilai return (nilai pengembalian) terhadap t dan grafik nilai indeks terhadap t. Gambar 3.8 frmgrafik1
17 6 State Transition Diagram Menu Data Gambar 3.9 State Transition Diagram Menu Data Pseudocode Modul Menu Data Module Data If (Click Masukkan Emiten Baru ) then Entry data Kode emiten Entry data nama emiten If (Click Simpan ) then Save all entry data to database ElseIf (Click Batal ) then Cancel entry data to database Else Choose from list emiten Display all data emiten in stinggrid Entry data t Entry data Harga Saham If (Click Tambah ) then
18 63 Save all entry data to database If (Click Ubah ) then Change entry data to database If (Click Hapus ) then Delete entry data to database If (Click Lihat Grafik ) then Display frmgrafik1 If (Click Kembali ) Return to Menu Utama If (Click Kembali ) then Return to Menu Utama End Module Modul Menu Analisis Modul Analisis merupakan inti dari program peramalan nilai risiko berinvestasi dengan GARCH. Modul ini menggunakan 6 form sebagai tempat untuk melakukan tahap- tahap meramalan nilai risiko berinvestasi dengan GARCH. Tujuannya agar user dapat melihat langkah- langkah dalam memodelkan model GARCH yang sesuai dengan ragam volatility data emiten yang dipilih oleh user.
19 64 Setelah user memilih data emiten yang akan diolah, proses peramalan nilai risiko berinvestasi masuk pada tahap pertama, yaitu: pada gambar 3.10 rancangan layar tahap pertama identifikasi model GARCH, berfungsi untuk mengetahui apakah data emiten yang diolah terdapat pengaruh ARCH atau tidak. Pada tahap ini user menginput Model ARMA dan Nilai LM yang merupakan output hasil generate software Eviews 5. Gambar 3.10 Tahap 1 Form Analisis>> Identifikasi Model GARCH Jika ya terdapat pengaruh ARCH, maka dapat masuk ke tahap dua pada gambar 3.11 rancangan layar pendugaan parameter model, yaitu pendugaan parameter model GARCH, berfungsi untuk penduga parameter yang signifikan sebagai model GARCH sementara. Pada tahap ini user menginput model pendugaan parameter GARCH yang merupakan output hasil generate software Eviews 5.
20 65 Gambar 3.11 Tahap Form Analisis>> Pendugaan Parameter GARCH Setelah itu masuk ke tahap tiga pada gambar 3.1 rancangan layar pemilihan model GARCH Terbaik, yaitu pemilihan model GARCH Terbaik, berfungsi untuk memilih model GARCH sementara yang terbaik dengan melihat nilai AIC atau SC yang minimum. Gambar 3.1 Tahap 3 Form Analisis>> Pemilihan Model GARCH
21 66 Selanjutnya, tahap empat pada gambar 3.13 rancangan layar pemeriksaan model GARCH, berfungsi untuk memeriksa model GARCH sementara apakah memadai dengan uji Jarque Bera dan uji Ljung Box. Pada tahap ini user menginput Nilai Jarque Bera dan ACF yang merupakan output hasil generate software Eviews 5. Jika Model GARCH memadai, lanjut ke tahap lima. Jika Model GARCH tidak memadai, kembali ke tahap satu. Gambar 3.13 Tahap 4 Form Analisis>> Pemeriksaan Model GARCH Tahap lima pada gambar 3.14 rancangan layar peramalan ragam dari model GARCH yang telah memadai, berfungsi untuk mengenerate hasil peramalan ragam volatility t+1.
22 67 Gambar 3.14 Tahap 5 Form Analisis>> Peramalan Ragam Dan yang terakhir pada gambar 3.15 rancangan layar perhitungan VaR(Value at Risk), user menginput besar investasi dalam rupiah dan lama investasi dalam hari, sehingga akan dihasilkan output dari program peramalan nilai risiko berinvestasi dengan metode GARCH, berupa grafik antara VaR terhadap lama berinvestasi pada gambar 3.16 yang dapat disimpan pada file(.bmp), dan tabel VaR 95%,VaR99%, besar risiko berinvestasi dalam rupiah dengan VaR95% dan 99% yang diekspor ke Microsoft Word.
23 68 Gambar 3.15 Tahap 6 Form Analisis>> Perhitungan VaR Gambar 3.16 frmgrafik
24 69 State Transition Diagram Menu Analisis Gambar 3.17 State Transition Diagram Menu Analisis
25 70 Gambar 3.18 Flow Chart Tahapan Peramalan Nilai risiko Berinvestasi dengan metode GARCH
26 71 Pseudocode Modul Menu Analisis Module Analisis If( Click Analisis) then Display form Analisis Identifikasi Model GARCH Choose from list emiten Entry Model ARMA Entry Nilai LM If (Click Hasil ) then If (Nilai LM > χ q (α)) then Display in Memo ( Tolak H0, terdapat Pengaruh ARCH ) Lanjut.Enable Else Display in Memo ( Terima H0, tidak terdapat PengaruhARCH ) Button Kembali.Enable Button Lanjut.Disable If ( Click Kembali ) then Return to Menu Utama If ( Click Lanjut ) then Display form Analisis Pendugaan Model GARCH Entry Koefisien GARCH(p,q) If (Click Hasil ) then If (koefisien= signifikan) Model GARCH(p,q)= Model Sementara. Display in Memo( GARCH(p,q) )
27 7 If ( Click Kembali ) then Display form Analisis Identifikasi Model GARCH If ( Click Keluar ) then Program Terminate If ( Click Simpan ) then Save Tabel Pendugaan Parameter GARCH(p,q) If ( Click Buka ) then Open Tabel Pendugaan Parameter GARCH(p,q) If ( Click Lanjut ) then Display form Analisis Pemilihan Model GARCH terbaik Display AIC min and SC min Display AIC Model GARCH sementara and SC Model GARCH Sementara If (AIC Model Sementara =min or SC Model Sementara =min) then Model GARCH(p,q) terbaik =Model GARCH(p,q) Sementara Display Model GARCH(p,q) terbaik in memo( GARCH(p,q) ) If (Clik Kembali ) then Display form Analisis Pemilihan Model GARCH terbaik If (Click Lanjut ) then Display form Analisis Pemeriksaan Model GARCH terbaik Entry nilai Jarque Bera If (Click Hasil ) then
28 73 If(nilai Jarque Bera> χ () (α)) then Display in Memo ( Tolak Ho, data sisaan terbakukan tidak menyebar normal ) Else Display in Memo ( Terima Ho, data sisaan terbakukan menyebar normal ) Entry nilai ACF Or if (Click( Buka )) then Open Tabel ACF If (nilai p (Q* < χ () (α)) < 0.05) then Display in Memo ( Model tidak memadai ) Button Kembali ke Langkah 1. Enable Button Lanjut. Disable Else Display in Memo ( Model memadai ) If (Click Lanjut ) then Display formula Peramalan Ragam untuk Periode Mendatang Generate ragam h t If (Click Kembali ) then Display form Analisis Pemeriksaan Model GARCH terbaik If (Click Lanjut ) then Display form Analisis Perhitungan VaR Entry Besar investasi dalam Rupiah Entry Lama Periode Kepemilikan
29 74 If(Click Tambah Baris ) then Baris Lama Periode +1 If (Click Kurangi Baris ) then Baris Lama Periode -1 If (Click Hasil ) then Display stringgrid content Lama Berinvestasi, VaR95%, Besar Risiko (VaR 95%), VaR99%, dan Besar Risiko (VaR 99%) If( Click Lihat Grafik ) then Display grafik (VaR,Lama berinvestasi) If (Click Simpan ) then Save Grafik (.bmp) If (Click Simpan ) then Export tabel.hasil to Microsoft Word If (Click Tutup ) then Program terminate End Module
BAB 1 PENDAHULUAN. Dalam rangka mengembangkan pasar modal syariah, PT. Bursa Efek Jakarta
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam rangka mengembangkan pasar modal syariah, PT. Bursa Efek Jakarta (BEJ) bersama dengan PT. Danareksa Invesment Management (DIM) telah meluncurkan Indeks saham
Lebih terperinciUNIVERSITAS BINA NUSANTARA
UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika - Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2005/2006 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI PERAMALAN NILAI RISIKO BERINVESTASI
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pasar Bunga Rawabelong, Jakarta Barat yang merupakan Unit Pelaksana Teknis (UPT) Pusat Promosi dan Pemasaran Holtikultura
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian 4.2 Jenis dan Sumber Data
IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian tentang risiko harga sayuran di Indonesia mencakup komoditas kentang, kubis, dan tomat dilakukan di Pasar Induk Kramat Jati, yang
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Kebutuhan Penelitian preferensi konsumen terhadap produk pra bayar CDMA didapatkan dengan menyebarkan kuisioner pada mahasiswa Universitas Bina Nusantara jurusan
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 terperinciIII. METODOLOGI PENELITIAN. kuantitatif. Menurut Silalahi dalam Eliyawati (2012) penelitian kuantitatif yaitu
III. METODOLOGI PENELITIAN 3.1 Jenis Penelitian Penelitian ini merupakan jenis penelitian yang menggunakan pendekatan kuantitatif. Menurut Silalahi dalam Eliyawati (2012) penelitian kuantitatif yaitu penelitian
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi Penelitian 4.2. Data dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi Penelitian Penelitian mengenai risiko harga dan perilaku penawaran apel dilakukan di PT Kusuma Satria Dinasasri Wisatajaya yang beralamat di Jalan Abdul Gani Atas, Kelurahan
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 terperinciVI ANALISIS RISIKO HARGA
VI ANALISIS RISIKO HARGA 6.1 Analisis Risiko Harga Apel PT Kusuma Satria Dinasasri Wisatajaya PT Kusuma Satria Dinasasri Wisatajaya merupakan perusahaan yang bergerak di bidang pembudidayaan tanaman hortikultura
Lebih terperinciMetode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data. Identifikasi model ARCH
6 Metode Langkah-langkah yang dilakukan dalam penelitian ini dapat dilihat pada Gambar 1. Eksplorasi data Identifikasi model ARCH Pendugaan parameter dan pemilihan model ARCH/GARCH Uji pengaruh asimetrik
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 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 terperinciBAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH)
BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH) 3.1 Proses Nonlinear Autoregressive Conditional Heteroskedasticity (N-ARCH) Model Nonlinear Autoregressive Conditional
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 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 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 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 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 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 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 terperinciPENERAPAN MODEL GARCH DAN MODEL EWMA DALAM MENGUKUR RISIKO BERINVESTASI (Studi Kasus: Saham Syariah di Jakarta Islamic Indeks)) Yuyun Yunarti
PENERAPAN MODEL GARCH DAN MODEL EWMA DALAM MENGUKUR RISIKO BERINVESTASI (Studi Kasus: Saham Syariah di Jakarta Islamic Indeks)) Yuyun Yunarti Abstract Time series model accommodating the above heteroscedastisity
Lebih terperinciBAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) Asymmetric Power Autoregressive Conditional Heteroscedasticity
BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) 3.1 Proses APARCH Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) diperkenalkan oleh Ding, Granger
Lebih terperinciBAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) Proses TARCH merupakan modifikasi dari model ARCH dan GARCH.
BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) 3.1. Model TARCH Proses TARCH merupakan modifikasi dari model ARCH dan GARCH. Pada proses ini nilai residu yang lebih kecil dari nol
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1. Metode Dan Teknik Pemilihan Sampel Populasi dalam penelitian ini adalah semua reksa dana pendapatan tetap, baik yang masih aktif maupun yang sudah tidak aktif diperdagangkan
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 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 terperinciBAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah
BAB IV PEMBAHASAN 4.1 Deskripsi Data Gambar 4.1 memperlihatkan bahwa data berfluktuasi dari waktu ke waktu. Hal ini mengindikasikan bahwa data tidak stasioner baik dalam rata-rata maupun variansi. Gambar
Lebih 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Analisis Permasalahan Pada saat ini, para pialang saham di Bursa Efek Indonesia dihadapkan pada suatu problem untuk mengetahui faktor-faktor apakah yang berpengaruh pada
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. menentukan dan mengungkapkan kebutuhan sistem. Kebutuhan sistem terbagi menjadi
BAB 3 ANALISIS DAN PERANCANGAN 3. Analisis Kebutuhan Sistem Hal pertama yang perlu dilakukan dalam analisis kebutuhan sistem adalah menentukan dan mengungkapkan kebutuhan sistem. Kebutuhan sistem terbagi
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 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 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 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 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 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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Kebutuhan Sistem Hal pertama yang perlu dilakukan dalam analisis kebutuhan sistem adalah menentukan dan mengungkapkan kebutuhan sistem. Kebutuhan sistem
Lebih terperinciBAB III METODOLOGI PENELITIAN. Mengacu pada pokok permasalahan yang diteliti yaitu pengaruh kebijakan
BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian 3.1.1 Lokasi Penelitian Mengacu pada pokok permasalahan yang diteliti yaitu pengaruh kebijakan dividen terhadap harga saham yang tercatat dalam Bursa
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Untuk menjalankan alat bantu normalisasi ini dibutuhkan sarana perangkat keras
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Spesifikasi Sistem Untuk menjalankan alat bantu normalisasi ini dibutuhkan sarana perangkat keras dan piranti lunak sebagai berikut : Spesifikasi
Lebih terperinciBAB 4 HASIL DAN BAHASAN
BAB 4 HASIL DAN BAHASAN Pada BAB IV ini membahas tentang hasil analisis data hingga memperoleh model simultannya dan menampilkan output dari aplikasi yang telah dibuat. Analisis data meliputi analisis
Lebih terperinciAnalisis Risiko Investasi Saham Syariah Dengan Model Value AT Risk-Asymmetric Power Autoregressive Conditional Heterocedasticity (VaR-APARCH)
JURNAL FOURIER April 2017, Vol. 6, No. 1, 37-43 ISSN 2252-763X; E-ISSN 2541-5239 Analisis Risiko Investasi Saham Syariah Dengan Model Value AT Risk-Asymmetric Power Autoregressive Conditional Heterocedasticity
Lebih terperinciBAB 3 PERANCANGAN PROGRAM APLIKASI
BAB 3 PERANCANGAN PROGRAM APLIKASI 3.1 Perencanaan 3.1.1 Sejarah Umum Perusahaan CV Madrhos merupakan salah satu perusahaan yang bergerak di bidang kosmetik, khususnya memproduksi bedak dengan merk Trisna
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 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN 3.1 Data Penelitian ini menggunakan data indeks dari 15 bursa saham di 14 negara yang terdiri dari IHSG (Indonesia), IBOVESPA (Brazil), CAC-40 (Perancis), DJIA dan
Lebih terperinciBAB 3 METODOLOGI. Metodologi penelitian yang digunakan dalam penulisan ini adalah studi
BAB 3 METODOLOGI 3.1 Metodologi Penelitian Metodologi penelitian yang digunakan dalam penulisan ini adalah studi kepustakaan dan studi laboratorium dimana penulis mempelajari teori-teori teknik pencarian
Lebih terperinciBab III PERANCANGAN PROGRAM APLIKASI
35 Bab III PERANCANGAN PROGRAM APLIKASI 3.1 Spesifikasi Rumusan Rancangan Perancangan program aplikasi ini terbagi menjadi dua bagian yaitu proses, yaitu : proses input dan hasil keluaran atau output Proses
Lebih terperinciMENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH
MENAKSIR VALUE AT RISK (VAR) PORTOFOLIO PADA INDEKS SAHAM DENGAN METODE PENDUGA VOLATILITAS GARCH INTAN AWYA WAHARIKA 1, KOMANG DHARMAWAN 2, NI MADE ASIH 3 1, 2, 3 Jurusan Matematika FMIPA Universitas
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 IV ANALISA DAN PEMBAHASAN. Analisa penilaian kinerja saham Jakarta Islamic Index dalam penelitian ini,
BAB IV ANALISA DAN PEMBAHASAN Analisa penilaian kinerja saham Jakarta Islamic Index dalam penelitian ini, diukur dengan menggunakan rasio Sharpe yaitu diukur dengan cara membandingkan antara premi risiko
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 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 terperinciBAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH
BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu data saham Astra Internasional Tbk tanggal 2 Januari
Lebih terperinciBAB IV HAS IL D AN PEMBAHAS AN. sampai dengan November Data-data lengkap ini dapat dilihat dalam lampiran.
BAB IV HAS IL D AN PEMBAHAS AN 4.1 Deskripsi Data Penelitian Data Kurs, Indeks Dow Jones, IHSG dan data Harga Saham dari Januari 2010 sampai dengan November 2010. Data-data lengkap ini dapat dilihat dalam
Lebih terperinciBAB 3 PERANCANGAN PROGRAM
BAB 3 PERANCANGAN PROGRAM 3.1. Spesifikasi Rumusan Rancangan Program aplikasi ini terdiri dari 2 bagian, bagian input data dan bagian analisis data. Bagian Input Data: pada bagian ini user akan diminta
Lebih terperinciWenty Yolanda Eliyawati R. Rustam Hidayat Devi Farah Azizah Fakultas Ilmu Administrasi Universitas Brawijaya Malang
PENERAPAN MODEL GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) UNTUK MENGUJI PASAR MODAL EFISIEN DI INDONESIA (Studi pada Harga Penutupan (Closing Price) Indeks Saham LQ 45 Periode 2009-2011)
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 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 5. Kesimpulan Dan Saran
155 Bab 5 Kesimpulan Dan Saran 5.1 Kesimpulan Berdasarkan hasil analisis dan perancangan yang telah dilakukan, maka dapat ditarik kesimpulan sebagai berikut : 5.1.1 Secara Individu 1. PT. AALI (PT. Astra
Lebih terperinciPERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH
PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciBab 3. Analisis dan Perancangan
56 Bab 3 Analisis dan Perancangan 3.1 Analisis Kebutuhan Fokus pembahasan dalam analisis dan perancangan program aplikasi ini untuk mengetahui pengaruh beberapa variabel fundamental yang terdiri dari Return
Lebih terperinciAnalisis ARCH dan GARCH menggunakan EViews
Analisis ARCH dan GARCH menggunakan EViews Pada bagian ini akan dikemukakan penggunaan EViews untuk analisis ARCH dan GARCH. Penggunaan EViews kali ini lebih ditekankan dengan memanfaatkan menumenu yang
Lebih terperinciMETODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif dengan pendekatan kuantitatif.
III. METODE PENELITIAN 3.1 Jenis Penelitian Penelitian ini merupakan jenis penelitian deskriptif dengan pendekatan kuantitatif. Penelitian deskriptif adalah penelitian yang dilakukan untuk mengetahui nilai
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM 3.1 Perancangan Program 3.1.1 Perancangan Perangkat Lunak Perangkat lunak atau piranti lunak adalah: 1. Program komputer yang berfungsi sebagai sarana interaksi antara
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 terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI 3.1 Analisis Program Aplikasi 3.1.1. Definisi masalah Perubahan nilai indeks harga saham yang begitu dinamis, mempersulit pengambilan keputusan yang tepat
Lebih terperinciAnalisis 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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan kerangka teoritik yang telah dijelaskan pada Bab II maka tujuan penelitian yang hendak dicapai antara lain : 1. Memberikan bukti empiris baru
Lebih terperinciPENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH) UNTUK MENDUGA VOLATILITAS PENGEMBALIAN HARGA SAHAM
PENERAPAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (ARCH) UNTUK MENDUGA VOLATILITAS PENGEMBALIAN HARGA SAHAM (Studi Kasus : Pengembalian Harga Saham PT. Astra Agro Lestari, Tbk) VERRY ANDRIAWAN
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 terperinciPERHITUNGAN VALUE AT RISK INDEKS SAHAM SYARIAH MENGGUNAKAN MODEL VOLATILITAS ARCH-GARCH DALAM KELOMPOK JAKARTA ISLAMIC INDEX FARRAH ROSDIANA LAILA
PERHITUNGAN VALUE AT RISK INDEKS SAHAM SYARIAH MENGGUNAKAN MODEL VOLATILITAS ARCH-GARCH DALAM KELOMPOK JAKARTA ISLAMIC INDEX FARRAH ROSDIANA LAILA PROGRAM STUDI MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI
Lebih terperinciBAB III METODOLOGI PENELITIAN. perlakuan khusus terhadap variabel-variabel yang diteliti atau non experimental (Hasan,
BAB III METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Berdasarkan teknik yang digunakan penelitian ini termasuk jenis penelitian survei (survey research), yaitu penelitian yang tidak melakukan
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 terperinciMODEL DINAMIS PREDIKSI HARGA SAHAM PERUSAHAAN DI BURSA EFEK INDONESIA (STUDI KASUS SEKTOR PERTANIAN, SEKTOR PERTAMBANGAN, DAN SEKTOR INDUSTRI DASAR)
MODEL DINAMIS PREDIKSI HARGA SAHAM PERUSAHAAN DI BURSA EFEK INDONESIA (STUDI KASUS SEKTOR PERTANIAN, SEKTOR PERTAMBANGAN, DAN SEKTOR INDUSTRI DASAR) Irna Diniasari/13210623/Manajemen Pembimbing: Dr. Mohammad
Lebih terperinciGambar 1. Jendela Ms. Access Pilihan: New : menu untuk membuat file basis data baru. Recent : menu untuk membuka file basis data yang sudah ada.
Mata Pelajaran : Keterampilan Komputer dan Pengelolaan Informasi Standar Kompetensi : Microsoft Office Access Kompetensi Dasar : Mengoperasikan Software Aplikasi Basis Data Kelas : XI Pertemuan 2 A. Menjalankan
Lebih terperinciBAB IX MENGENAL MS.ACCESS 2007
DIKTAT MATA KULIAH SOFTWARE TERAPAN II BAB IX MENGENAL MS.ACCESS 2007 IF Pendahuluan Ms.Access 2007 Microsoft Access 2007 atau lebih dikenal dengan sebutan Access 2007 merupakan salah satu perangkat lunak
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 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 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 terperinciIII. METODE PENELITIAN. runtut waktu (time series) atau disebut juga data tahunan. Dan juga data sekunder
42 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian adalah data sekunder yang mempunyai sifat runtut waktu (time series) atau disebut juga data tahunan. Dan juga data
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan salah satu unsur yang sangat penting dalam pengambilan keputusan, karena terkadang faktor-faktor yang berhubungan dengan pengambilan keputusan tidak
Lebih terperinciBAB I PENDAHULUAN. memberikan informasi tentang rata-rata bersyarat pada Y
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam kehidupan sehari- hari sering dijumpai data time series yang terdiri dari beberapa variabel yang saling terkait yang dinamakan dengan data time series
Lebih terperinciBAB 1 PENDAHULUAN. adalah di bidang ekonometrika. Ekonometrika merupakan bidang ilmu ekonomi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Statistika bisa diterapkan di berbagai bidang. Salah satu contoh penerapannya adalah di bidang ekonometrika. Ekonometrika merupakan bidang ilmu ekonomi yang menganalisis
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciBAB 3 METODOLOGI. 3.1 Metodologi Penelitian Pengumpulan Bahan Penelitian. Dalam penelitian ini bahan atau materi dikumpulkan melalui :
BAB 3 METODOLOGI 3.1 Metodologi Penelitian 3.1.1 Pengumpulan Bahan Penelitian Dalam penelitian ini bahan atau materi dikumpulkan melalui : 1) Data primer, yaitu memperoleh sumber data penelitian langsung
Lebih terperinciModul ke: Aplikasi Komputer 13TEKNIK. Pengantar Ms. Access Lanjutan. Fakultas. Hendri, ST. MT. Program Studi
Modul ke: Aplikasi Komputer Pengantar Ms. Access 2010 Fakultas 13TEKNIK Lanjutan Hendri, ST. MT. Program Studi Operasi Dasar Ms. Access Getting Started Tampilan Ms. Access Tipe Data Modul-Modul pada Ms.
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
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 terperinciPerhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH)
Prosiding Statistika ISSN: 2460-6456 Perhitungan Value at Risk (VaR) Berdasarkan Model Autoregressive Conditional Heteroscedasticity (ARCH) 1 Wahyuni Fatma Mufti, 2 Sutawanir Darwis, 3 Nusar Hajarisman
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 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 III METODE PENELITIAN
BAB III METODE PENELITIAN 0.1. Jenis Dan Sumber Data Jenis data yang diperlukan dan dikumpulkan dalam penelitian ini adalah data kuantitatif. Data kuantitatif adalah data yang diukur dalam skala numeric(angka).
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 II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi yang digunakan dalam penelitian ini meliputi obyek penelitian, desain penelitian, variabel dan skala pengukuran, metode pengumpulan data, jenis data, dan metode
Lebih terperinciBab 1. Pendahuluan. Salah satu alternatif dalam berinvestasi yang mungkin dilakukan adalah
1 Bab 1 Pendahuluan 1.1 Latar Belakang Masalah Salah satu alternatif dalam berinvestasi yang mungkin dilakukan adalah investasi dalam bentuk saham. Saham merupakan salah satu instrumen investasi yang semakin
Lebih terperinciBAB 3 PERANCANGAN PROGRAM
39 BAB 3 PERANCANGAN PROGRAM 3. 1 Spesifikasi Rancangan Proses inti dari program aplikasi ini adalah estimasi titik dengan metode Kriging. Proses estimasi titik dengan metode Kriging adalah mengestimasi
Lebih terperinci