PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA DENGAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING PADA INDIKATOR IMPOR, EKSPOR, DAN CADANGAN DEVISA
|
|
- Herman Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA DENGAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING PADA INDIKATOR IMPOR, EKSPOR, DAN CADANGAN DEVISA Vivi Rizky Aristina Suwardi, Sugiyanto, dan Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta Abstrak. Parahnya dampak krisis keuangan tahun menyebabkan perlu dilakukan suatu sistem pendeteksian dini krisis keuangan. Krisis keuangan dapat dideteksi berdasarkan indikator impor, ekspor, dan cadangan devisa. Penelitian ini bertujuan menentukan model yang sesuai, serta mendeteksi krisis keuangan di Indonesia berdasarkan indikator impor, ekspor, dan cadangan devisa. Untuk melakukan pendeteksian krisis, dibentuk model AR, model volatilitas, gabungan model volatilitas dan Markov switching, serta peramalan smoothed probability untuk mendeteksi krisis. Penelitian menunjukkan model SWARCH (3,1) adalah model yang sesuai, dan pendeteksian krisis berdasarkan indikator impor dan cadangan devisa, Indonesia tidak mengalami krisis keuangan sedangkan berdasarkan indikator ekspor, Indonesia mengalami rawan krisis pada tahun Kata kunci: pendeteksian, krisis, impor, ekspor, cadangan devisa, SWARCH 1. Pendahuluan Krisis ekonomi pernah melanda negara-negara di kawasan Asia, salah satunya Indonesia pada tahun Jatuhnya nilai tukar baht Thailand pada pertengahan Juli 1997 merupakan awal mula terjadinya krisis keuangan di beberapa negara di Asia, salah satunya Indonesia. International Monetary Fund (IMF ) menyatakan bahwa dibutuhkannya suatu perangkat sistem pendeteksian dini untuk mendeteksi krisis sedini mungkin. Sistem pendeteksian dini merupakan sebuah tatanan penyampaian informasi hasil prediksi terhadap sebuah ancaman kepada masyarakat sebelum terjadinya sebuah peristiwa yang dapat menimbulkan resiko sehingga dapat memberikan peringatan agar penerima informasi dapat segera bertindak sesuai kondisi dan situasi. Kaminsky et al. [4] menyatakan bahwa Markov switching merupakan kerangka alternatif untuk pendekatan yang sering digunakan dalam sistem pendeteksian dini untuk krisis ekonomi, dan terdapat 15 indikator krisis diantaranya impor, ekspor, dan cadangan devisa. Menurut Pradini dan Raharjo [6] impor dan ekspor mempunyai peranan penting dalam perekonomian negara karena dapat mempengaruhi jumlah devisa. Ketika impor naik, cadangan devisa akan turun dan ketika ekspor naik, hard currency akan meningkat sehingga dapat terpenuhinya tingkat kecukupan cadangan devisa. Pendeteksian krisis keuangan di Indonesia sudah pernah dikembangkan oleh Hermawan [3] berdasarkan indikator jumlah nilai impor, dan dihasilkan model sesuai untuk mendeteksi krisis keuangan di Indonesia berdasarkan indikator jumlah nilai impor yaitu model SWARCH (2,1) dan SWARCH (3,1). 1
2 Penelitian ini menentukan model yang sesuai pada data impor, ekspor, dan cadangan devisa. Selanjutnya dilakukan pendeteksian krisis keuangan di Indonesia berdasarkan indikator impor, ekspor, dan cadangan devisa pada tahun Landasan Teori 2.1. Model Autoregressive. Model Autoregressive atau AR(p) dapat dirumuskan sebagai r t = ϕ 0 + ϕ 1 r t 1 + ϕ 2 r t ϕ p r t p + a t, dengan r t adalah nilai log return pada periode ke-t yang dirumuskan sebagai r t = ln P t P t 1, P t adalah data indikator pada periode ke-t, ϕ 0 adalah konstanta model, ϕ p adalah parameter model AR, dan a t adalah residu periode ke-t (Tsay [8]) Model Autoregressive Conditional Heterocedasticity (ARCH ). Model ARCH (m) dapat dituliskan sebagai σ 2 t = α 0 + m i=1 α ia 2 t i, dengan α 0 adalah konstanta model ARCH, α i adalah parameter model ARCH, dan σ 2 t adalah variansi residu periode ke-t (Tsay [8]) Model Generelized Autoregressive Conditional Heteroscedasticity (GARCH ). Jika model ARCH yang didapat memiliki orde yang besar atau lebih dari 8, maka dibentuk model GARCH. Model GARCH (m,s) dapat dituliskan dalam bentuk σ 2 t = α 0 + m i=1 α ia 2 t i + s j=1 β jσ 2 t j, dengan β j adalah parameter model GARCH (Tsay [8]) Model Exponential Generized Autoregressive Conditional Heteroscedasticity (EGARCH ). Model EGARCH mampu mengatasi masalah keasimetrisan volatilitas. Model EGARCH (m,s) memiliki persamaan ln σt 2 = α 0 + ( ) m i=1 α a t i i + m a t i + s σ 2 t i σ 2 j=1 β jlnσ 2 t i t j, 2 π i=1 γ i dengan γ i adalah parameter Leverage effect (Henry [2]) Model Markov Switching ARCH (SWARCH ). Model SWARCH merupakan gabungan model volatilitas ARCH dan Markov switching. Menurut Hamilton dan Susmel [1], model SWARCH dapat dituliskan sebagai dengan σ 2 t,s t r t = µ st + a t dengan a t = σ t ϵ t, σ 2 t,s t = α 0,st + m i=1 α i,s t a 2 t i, adalah variansi residu pada suatu state
3 2.6. Smoothed Probability. Menurut Kuan [5], nilai smoothed probability dirumuskan sebagai P (S t = i F T ) = 3 j=1 P (S t+1 = j F T ) P (S t = i S t+1 = j, F T ). Menurut Sopipan et al. [7], secara umum peramalan smoothed probability atau ditentukan melalui peramalan pada waktu t+1 yang didasarkan pada smoothed probability saat waktu ke t, dan dirumuskan sebagai P r (S t+1 = i F T ) = p 1i P r (S t = 1 F T ) + p 2i P r (S t = 2 F T ) + p 3i P r (S t = 3 F T ). 3. Metode Penelitian Penelitian ini menggunakan data impor, ekspor, dan cadangan devisa mulai bulan Januari 1990 sampai bulan Desember 2015 yang diperoleh dari International Financial Statistics (IFS) CD-ROM yang diterbitkan oleh IMF dan Bank Indonesia. Langkah-langkah yang dilakukan untuk mencapai tujuan penelitian sebagai berikut. (1) Membuat plot data kemudian melakukan uji kestasioneran data menggunakan uji augmented Dickey Fuller (ADF ). Jika data tidak stasioner, maka dilakukan transformasi log return. (2) Membuat plot partial autocorrelation function (PACF ) dari data yang telah ditransformasi, kemudian membentuk model AR dan dilanjutkan uji efek heteroskedastisitas pada residu model AR menggunakan uji Lagrange multiplier. (3) Membentuk model volatilitas dan melakukan uji diagnostik. (4) Membentuk gabungan model volatilitas dan Markov switching dengan menggunakan asumsi tiga state. (5) Menghitung nilai smoothed probability dan nilai peramalan smoothed probability untuk mendeteksi krisis. 4. Hasil dan Pembahasan 4.1. Plot Data. Gambar 1 merupakan plot data impor, ekspor dan cadangan devisa. impor[[1]] ekspor[[1]] cadangan.devisa[[1]] Gambar 1. (a)plot Data Impor (b)plot Data Ekspor (c)plot Data Cadangan Devisa
4 Gambar 1 (a), (b), dan (c) menunjukkan bahwa data impor, ekspor, dan cadangan devisa tidak stasioner. Untuk membuktikan dugaan tersebut, dilakukan uji ADF dan didapatkan nilai probabilitas untuk impor, ekspor, dan cadangan devisa sebesar , , dan , karena lebih besar dari α = 0.05 sehingga disimpulkan data tersebut tidak stasioner, kemudian dibentuk transformasi data dan dilakukan uji ADF untuk data log return impor, ekspor, dan cadangan devisa. Didapatkan nilai probabilitas untuk data log retun impor eskpor, dan cadangan devisa sebesar 0.01 yang lebih kecil dari α = 0.05 sehingga dapat disimpulkan data log return impor, ekspor, dan cadangan devisa stasioner Pembentukan Model Autoregressive. Identifikasi model autoregressive didasarkan pada plot PACF. Didapat model AR(2) untuk impor adalah model AR(2) untuk ekspor adalah r t = r t r t 2, r t = r t r t 2, dan model AR(1) untuk cadangan devisa adalah r t = r t 1. Setelah didapatkan model AR untuk log return impor, ekspor, dan cadangan devisa, selanjutnya dilakukan uji efek heteroskedastisitas untuk mengetahui ada atau tidaknya efek heteroskedastisitas di dalam residu model AR. Uji efek heteroskedastisitas dilakukan dengan uji Lagrange multiplier dan didapatkan nilai probabilitas untuk impor, ekspor, dan cadangan devisa sebesar , , dan yang kurang dari α = 0.05 sehingga dapat disimpulkan terdapat efek heteroskedastisitas di dalam residu model AR Pembentukan Model ARCH. Parameter model volatilitas didasarkan pada plot PACF residu kuadrat model AR untuk indikator impor, ekspor, dan cadangan devisa. Diperoleh model ARCH (1) untuk impor adalah model ARCH (1) untuk ekspor adalah σ 2 t = a 2 t 1, σ 2 t = a 2 t 1, dan model ARCH (1) untuk cadangan devisa adalah σ 2 t = a 2 t 1. Uji normalitas residu model volatilitas untuk impor, ekspor, dan cadangan devisa dapat dilakukan dengan uji Kolmogorov-Smirnov dan didapatkan probabilitas untuk impor, ekpor, dan cadangan devisa sebesar 0.8, 0.999, dan yang lebih besar dari α = 0.05 artinya residu model volatilitas untuk
5 impor, ekspor, dan cadangan devisa berdistribusi normal. Autokorelasi dalam residu model volatilitas untuk ketiga indikator dapat diketahui menggunakan uji Ljung-Box dan didapatkan nilai probabilitas sebesar , , dan yang lebih besar dari α = 0.05 sehingga disimpulkan bahwa tidak terdapat autokorelasi dalam residu model ARCH (1). Uji efek heteroskedastisitas untuk mengetahui ada atau tidaknya efek heteroskedastisitas residu model pada data log return impor dapat diketahui menggunakan uji Lagrange multiplier dan didapatkan nilai probabilitas untuk impor, ekspor, dan cadangan devisa sebesar , , dan yang lebih besar dari α = 0.05 sehingga dapat disimpulkan bahwa tidak terdapat efek heteroskedastisitas pada residu model ARCH (1) Pembentukan Model SWARCH. Model volatilitas yang sesuai digabungkan dengan model Markov switching tiga state untuk mengatasi perbedaan kondisi stabil, rawan krisis, dan krisis. Perubahan kondisi yang terjadi pada model Markov switching dianggap sebagai suatu hasil variabel random tak teramati yang biasa disebut dengan state, dimana state dibagi menjadi state volatilitas rendah, sedang, dan tinggi (Tsay [8]). Matriks probabilitas transisi untuk impor sebagai berikut P 1 = Matriks probabilitas transisi P 1 memperlihatkan bahwa probabilitas bertahan pada state volatilitas rendah sebesar Probabilitas perubahan state volatilitas rendah ke state volatilitas sedang sebesar Probabilitas perubahan state volatilitas rendah ke state volatilitas tinggi sebesar Probabilitas perubahan state volatilitas sedang ke state volatilitas rendah sebesar Probabilitas bertahan pada state volatilitas sedang sebesar Probabilitas perubahan state volatilitas sedang ke state volatilitas tinggi sebesar Probabilitas bertahan pada state volatilitas tinggi sebesar Probabilitas perubahan state volatilitas tinggi ke state volatilitas sedang sebesar Sedangkan probabilitas perubahan state volatilitas tinggi ke state volatilitas rendah sebesar , artinya keadaan volatilitas tinggi sulit diatasi. Matriks probabilitas transisi untuk ekspor dan cadangan devisa sebagai berikut P 2 = , P 3 = dengan P 2 adalah matriks probabilitas transisi untuk ekspor dan P 3 adalah matriks probabilitas transisi untuk cadangan devisa. Hasil estimasi parameter,
6 model SWARCH (3,1) sebagai berikut , state 1, , state 1, , state 1, µ 1,t = , state 2, µ 2,t = , state 2, µ 3,t = , state 2, , state 3, , state , state 3, dengan µ 1,t menunjukkan nilai rata-rata data log return indikator impor pada state rendah sebesar , state sedang sebesar , dan untuk state tinggi sebesar , µ 2,t menunjukkan nilai rata-rata data log return indikator ekspor pada state rendah sebesar , state sedang sebesar , dan untuk state tinggi sebesar , sedangkan µ 3,t menunjukkan nilai rata-rata data log return indikator cadangan devisa pada state rendah sebesar , state sedang sebesar , dan untuk state tinggi sebesar a 2 σ1,t 2 t 1, a 2 = a 2 t 1, σ2,t 2 t 1, state 1, = a 2 t 1, a 2 t 1, state 2, a 2 t 1, state 3, a 2 σ3,t 2 t 1, state 1, = a 2 t 1, state 2, a 2 t 1, state 3, dengan σ 2 1,t merupakan model volatilitas bersyarat dari SWARCH (3,1) untuk impor, σ 2 2,t merupakan model volatilitas bersyarat dari SWARCH (3,1) untuk ekspor, dan σ 2 3,t merupakan model volatilitas bersyarat dari SWARCH (3,1) untuk cadangan devisa Nilai Smoothed Probability dan Nilai Peramalan Smoothed Probability. Dari model SWARCH (3,1) diperoleh nilai smoothed probability untuk ketiga indikator. Gambar 2 (a), (b), dan (c) merupakan Plot smoothed probability untuk impor, ekspor, dan cadangan devisa. smoothimpor[[1]] smoothekspor[[1]] smoothcd[[1]] Gambar 2. (a)plot Smoothed Probability Impor (b)plot Smoothed Probability Ekspor (c)plot Smoothed Probability Cadangan Devisa Kondisi rawan krisis pada indikator impor dapat dilihat dari nilai smoothed probability diantara 0.3 dan 0.7, pada indikator ekspor diantara 0.1 dan 0.3, sedangkan pada indikator cadangan devisa diantara 0.4 dan 0.6. Tabel
7 1 menunjukkan perbandingan nilai peramalan dan aktual smoothed probability untuk indikator impor, ekspor, dan cadangan devisa pada bulan Januari hingga Desember Tabel 1. Nilai Peramalan dan Aktual Smoothed Probability Impor Ekspor Cadangan Devisa Peramalan Aktual Peramalan Aktual Peramalan Aktual Tabel 1 menunjukkan nilai peramalan smoothed probability tidak berbeda jauh dengan nilai aktual smoothed probability sehingga model SWARCH (3,1) pada indikator impor, ekspor, dan cadangan devisa dapat digunakan untuk mendeteksi krisis keuangan di Indonesia. Tabel 2 merupakan nilai peramalan smoothed probability untuk indikator impor, ekspor, dan cadangan devisa pada Januari hingga Desember Tabel 2. Nilai Peramalan Smoothed Probability Indikator Impor, Ekspor, dan Cadangan Devisa Periode Peramalan Smoothed Probability Impor Ekspor Cadangan Devisa Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Tabel 2 menunjukkan bahwa nilai peramalan smoothed probability pada Januari hingga Desember 2017 untuk indikator impor berada di bawah 0.3,
8 untuk indikator ekspor diantara 0.1 dan 0.3, serta untuk indikator cadangan devisa kurang dari 0.4 sehingga berdasarkan indikator impor dan cadangan devisa dideteksi Indonesia tidak mengalami krisis keuangan sedangkan berdasarkan indikator ekspor Indonesia dideteksi mengalami rawan krisis pada Januari hingga Desember Simpulan Berdasarkan hasil dan pembahasan diperoleh simpulan sebagai berikut. (1) Gabungan model volatilitas dan Markov switching yang sesuai untuk mendeteksi krisis keuangan di Indonesia berdasarkan indikator impor, ekspor, dan cadangan devisa adalah SWARCH (3,1). (2) Berdasarkan indikator impor dan cadangan devisa, Indonesia dideteksi tidak mengalami krisis keuangan sedangkan berdasarkan indikator ekspor, Indonesia dideteksi mengalami rawan krisis keuangan pada tahun Daftar Pustaka 1. Hamilton, J. D. and R. Susmel, Autoregressive Conditional Heteroscedasticity and Changes in Regime, Journal of Econometrics 64 (1994), Henry, T.O., Between The Rock and a Hard Place: Regime Switching in the Relationship Between Short-Term Interest Rates and Equity Returns in the UK, Victoria, Australia, Hermawan, D.W., Pendeteksian Krisis Keuangan di Indonesia Menggunakan Gabungan Model Volatilitas dan Markov Switching Berdasarkan Indikator Jumlah Nilai Impor, Skripsi Jurusan Matematika FMIPA, Universitas Sebelas Maret, Kaminsky G., S. Lizondo, and C. M. Reinhart, Leading Indicators of Currency Crisis, IMF Working Paper 45 (1998). 5. Kuan, C.M., The Markov Switching Model, Journal of Economics Academia Sinica 1 (2002), Pradini, D. Y. dan S. Raharjo, Peramalan Nilai Ekspor dan Impor Indonesia ke Jepang menggunakan Model Varima, Journal Online Matematika Universitas Negeri Malang 1 (2012), Sopipan, N., Sattayatham, P., and Premanode, B., Forecasting Volatility of Gold Price Using Markov Regime and Trading Strategy, Journal of Mathematical Finance 2 (2012), Tsay, R. S., Analysis of Financial Time Series, John Wiley and Sons, Canada,
PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING DALAM PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M1, M2 PER CADANGAN DEVISA, DAN M2 MULTIPLIER Esteti Sophia Pratiwi,
Lebih terperinciAnis Nur Aini, Sugiyanto, dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta
MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR SIMPANAN BANK, NILAI TUKAR RIIL, DAN NILAI TUKAR PERDAGANGAN Anis Nur Aini, Sugiyanto,
Lebih terperinciMeganisa Setianingrum, Sugiyanto, Etik Zukhronah Prodi Matematika Fakultas Matematika dan Ilmu pengetahuan Alam Universitas Sebelas Maret Surakarta
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR OUTPUT RIIL, KREDIT DOMESTIK PER PDB, DAN IHSG Meganisa Setianingrum, Sugiyanto,
Lebih terperinciPENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN (Studi Kasus Pada Indikator Selisih Suku Bunga Pinjaman
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING Sisca Rahma Dwi, Sugiyanto, dan Yuliana Susanti Program Studi
Lebih terperinciRatri Oktaviani, Sugiyanto, dan Yuliana Susanti Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret
HUBUNGAN KONDISI INDIKATOR NILAI TUKAR RIIL DAN IHSG DALAM MENDETEKSI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING Ratri Oktaviani, Sugiyanto, dan Yuliana Susanti
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK oleh APRILIA AYU WIDHIARTI M0111010 SKRIPSI ditulis dan diajukan
Lebih terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR PERTUMBUHAN KREDIT DOMESTIK oleh PITANINGSIH NIM. M0110064 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciMOTTO. Man Jadda Wajada Allah tidak akan mengubah nasib suatu kaum sampai kaum itu mengubah nasib mereka sendiri -QS Al-Anfal (8): 53
ii ABSTRAK Ari Nur Setyaningsih. 2016. PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR EKSPOR. Fakultas Matematika dan Ilmu Pengetahuan
Lebih 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 terperinciABSTRAK. Kata kunci: krisis perbankan, bank deposits, SWARCH, dua state, tiga state. iii
ii ABSTRAK Ihsan Fathoni Amri. 2016. PENDETEKSIAN KRISIS PERBANKAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR BANK DEPOSITS. Fakultas Matematika dan
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 terperinciJurnal Jilid 7, No. 2, 2017, Hal ISSN
Jurnal LOG!K@, Jilid 7, No. 2, 2017, Hal. 112-121 ISSN 1978 8568 PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN MODEL MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (SWARCH) BERDASARKAN
Lebih terperinciGABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING UNTUK MENDETEKSI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M2 MULTIPLIER
GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING UNTUK MENDETEKSI KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR M2 MULTIPLIER oleh YUNIAS AFIFAH ANAS NUR PAMUNGKAS NIM. M0111086 SKRIPSI ditulis dan
Lebih terperinciPENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN
PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN (Studi Kasus pada Indikator Selisih Suku Bunga Pinjaman
Lebih 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 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 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 terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR HARGA SAHAM MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATE
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR HARGA SAHAM MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING TIGA STATE SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih 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 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 terperinciPENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR)
PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 (UANG BEREDAR) oleh DIAH PUTRI UTAMI NIM. M0110018 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciMODEL KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2
MODEL KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR RASIO CADANGAN INTERNASIONAL TERHADAP M2 oleh ERNA MUSTIKASARI NIM. M0111030 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh
Lebih 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 terperinciPEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY SKRIPSI Disusun Oleh: OMY WAHYUDI 24010210110006 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 103-111 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN TINGKAT INFLASI INDONESIA MENGGUNAKAN MARKOV SWITCHING
Lebih 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 terperinciSuma Suci Sholihah, Heni Kusdarwati, Rahma Fitriani. Jurusan Matematika, F.MIPA, Universitas Brawijaya
PEMODELAN RETURN IHSG PERIODE 15 SEPTEMBER 1998 13 SEPTEMBER 2013 MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (TGARCH(1,1)) DENGAN DUA THRESHOLD Suma Suci Sholihah,
Lebih terperinciMODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH
MODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH oleh NANDA PUTRI MONALISA M0108057 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciBAB IV KESIMPULAN DAN SARAN. maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan data
BAB IV KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan uraian dan pembahasan pada bab-bab sebelumnya, maka dapat disimpulkan sebagai berikut: 1. Langkah-langkah dalam menentukan model EGARCH pada pemodelan
Lebih 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 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 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 terperinciPENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR)
PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR) Oleh: Julianto (1) Entit Puspita (2) Fitriani Agustina (2) ABSTRAK Dalam melakukan investasi dalam saham, investor
Lebih terperinciMODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG
MODEL KRISIS PASAR MODAL DI INDONESIA MENGGUNAKAN MARKOV SWITCHING TGARCH (MS-TGARCH) DUA STATE BERDASARKAN INDIKATOR IHSG Oleh ALFI NUR DINA NIM M0110002 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih 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 terperinciMODEL LAJU PERUBAHAN NILAI TUKAR RUPIAH (IDR) TERHADAP POUNDSTERLING (GBP) DENGAN METODE MARKOV SWITCHING AUTOREGRESSIVE (MSAR)
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 56 64 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND MODEL LAJU PERUBAHAN NILAI TUKAR RUPIAH (IDR) TERHADAP POUNDSTERLING (GBP) DENGAN METODE MARKOV SWITCHING
Lebih terperinciPEMODELAN MARKOV SWITCHING DENGAN TIME-VARYING TRANSITION PROBABILITY
PEMODELAN MARKOV SWITCHING DENGAN TIME-VARYING TRANSITION PROBABILITY SKRIPSI Disusun oleh: ANGGITA PURI SAVITRI 24010212140037 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPROSEDUR MODEL EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR)
PROSEDUR MODEL EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE (ESTAR) Oleh EKA SARI PUTRI WARDOYO M0108086 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciPEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH
PEMODELAN DAN PERAMALAN DATA NILAI TUKAR MATA UANG DOLLAR AMERIKA TERHADAP YEN JEPANG DAN EURO TERHADAP DOLLAR AMERIKA DALAM ARCH, GARCH DAN TARCH Nama : Yulia Sukma Hardyanti NRP : 1303.109.001 Jurusan
Lebih terperinciMODEL NILAI TUKAR DOLAR KANADA TERHADAP RUPIAH MENGGUNAKAN MARKOV SWITCHING GARCH
MODEL NILAI TUKAR DOLAR KANADA TERHADAP RUPIAH MENGGUNAKAN MARKOV SWITCHING GARCH oleh YUNITA EKASARI NIM. M0108072 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana
Lebih terperinciAnalisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
Seminar Hasil Tugas Akhir 2012 Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Oleh Khoiru Liummah Ayu Nastiti 1308 100 102 Dosen Pembimbing Drs. Agus Suharsono, MS 19580823 198403
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 terperinciPENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT
PENERAPAN MODEL EGARCH PADA ESTIMASI VOLATILITAS HARGA MINYAK KELAPA SAWIT Yoseva Agung Prihandini 1, Komang Dharmawan 2, Kartika Sari 3 1 Jurusan Matematika, Fakultas MIPA - Universitas Udayana [Email:
Lebih terperinciPENENTUAN VALUE AT RISK
PENENTUAN VALUE AT RISK SAHAM KIMIA FARMA PUSAT MELALUI PENDEKATAN DISTRIBUSI PARETO TERAMPAT (Studi Kasus : Harga Penutupan Saham Harian Kimia Farma Pusat Periode Oktober 2009 September 2014) SKRIPSI
Lebih 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 III METODE PENELITIAN
33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah
Lebih terperinciDisusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar
PEMODELAN DAN PERAMALAN NILAI RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (APARCH) Disusun oleh : Nur Musrifah Rohmaningsih 24010211120019
Lebih terperinciBAB 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 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 Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH)
Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH) (Studi Kasus : Return Kurs Mata Uang Rupiah terhadap Dollar) SKRIPSI Disusun oleh : CINDY WAHYU ELVITRA J2E 009 015
Lebih 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 terperinciHASIL DAN PEMBAHASAN. Eksplorasi Data
5 korelasi diri, dan plot korelasi diri parsial serta uji Augmented Dickey- Fuller b. Identifikasi Model dengan metode Box-Jenkins c. Pemutihan deret input d. Pemutihan deret output berdasarkan hasil pemutihan
Lebih terperinciPenerapan model aparch untuk volatilitas returns Kurs beli eur dan jpy terhadap idr periode
1 Penerapan model aparch untuk volatilitas returns Kurs beli eur dan jpy terhadap idr periode 2009-2014 Saragah Repi Pratama, Didit Budi Nugroho *, Bambang Susanto Program Studi Matematika, Universitas
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 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 terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA SKRIPSI Disusun Oleh: UMI SULISTYORINI ADI 24010212140082 DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih 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 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 terperinciPEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS. Keywords: Stocks, Portfolio, Return, Volatility, Asymmetric GARCH.
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 51-60 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS
Lebih terperinciPEMODELAN MARKOV SWITCHING AUTOREGRESSIVE
PEMODELAN MARKOV SWITCHING AUTOREGRESSIVE asa M arga ro) C ng Semara SKRIPSI Oleh : FIQRIA DEVI ARIYANI 24010210120021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO 2014 PEMODELAN
Lebih terperinciBAB I PENDAHULUAN. tukar uang tersebut dinamakan kurs atau exchange rate. uang tersebut merupakan salah satu aset finansial yang dapat mendorong
BAB I PENDAHULUAN 1.1 Latar Belakang Uang memegang peranan penting dalam perekonomian setiap negara. Aktifitas ekonomi yang dapat dilakukan suatu negara dengan menggunakan uang adalah perdagangan, baik
Lebih terperinciMODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM
MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM (Studi Kasus pada Saham PT. ANTAM (Persero) Tbk) SKRIPSI Diajukan Kepada
Lebih 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 terperinciPERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)
PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M) (Studi Kasus pada Return Harga Saham PT. Wijaya Karya) SKRIPSI Disusun Oleh : Dwi Hasti
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 705-715 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN DAN PERAMALAN VOLATILITAS PADA RETURN SAHAM BANK BUKOPIN
Lebih terperinciPENERAPAN METODE ARCH/GARCH PADA PEMODELAN HARGA PENUTUPAN SAHAM DI BURSA EFEK INDONESIA PERIODE ELOK KHOIRUNNISA
PENERAPAN METODE ARCH/GARCH PADA PEMODELAN HARGA PENUTUPAN SAHAM DI BURSA EFEK INDONESIA PERIODE 2005-2013 ELOK KHOIRUNNISA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS
PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS SKRIPSI Disusun Oleh : ULFAH SULISTYOWATI 24010210120052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciPEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk Permatasari, Budi Warsito 2, Sugito 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 421-430 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN MARKOV SWITCHING VECTOR AUTOREGRESSIVE (MSVAR) Hayuk
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 terperinciAnalisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 2) ISSN: 2-928X D-29 Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH Khoiru Liummah Ayu Nastiti, Agus Suharsono Jurusan Statistika,
Lebih 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 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 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 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 terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 635-643 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciMODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI
MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciV. ANALISIS VOLATILITAS VARIABEL EKONOMI. Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor
117 V. ANALISIS VOLATILITAS VARIABEL EKONOMI 5.1. Deskripsi Data Perkembangan yang terjadi pada data harga minyak dunia, harga ekspor industri, SBI riil dan devaluasi riil diuraikan pada bagian berikut.
Lebih terperinciAnalisis Harga Saham Properti di Indonesia menggunakan metode GARCH
Analisis Harga Saham Properti di Indonesia menggunakan metode GARCH Dhafinta Widyasaraswati1,a), Acep Purqon1,b) 1 Laboratorium Fisika Bumi, Kelompok Keilmuan Fisika Bumi dan Sistem Kompleks, Fakultas
Lebih terperinciBAB 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 terperinciDAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii NASKAH SOAL TUGAS AKHIR... iv HALAMAN PERSEMBAHAN... v INTISARI... vi KATA PENGANTAR... vii UCAPAN TERIMA KASIH... viii
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 151-160 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI CURAH HUJAN EKSTREM DI KOTA SEMARANG MENGGUNAKAN
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih 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 terperinciPEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 771-780 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP
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 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 terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciINTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia)
PERHITUNGAN VALUE AT RISK MENGGUNAKAN MODEL INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia) SKRIPSI Disusun
Lebih 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 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 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 terperinciPERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman
g UJM 5 (1) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani,
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEMODELAN NILAI EKSPOR DI INDONESIA DENGAN PENDEKATAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH) SKRIPSI BAGUS HADI PRASTYA PROGRAM STUDI S-1 STATISTIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih 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 terperinciPADA PORTOFOLIO SAHAM
PERBANDINGAN PENDEKATAN GENERALIZED EXTREME VALUE DAN GENERALIZED PARETO DISTRIBUTION UNTUK PERHITUNGAN VALUE AT RISK PADA PORTOFOLIO SAHAM SKRIPSI Disusun oleh: AYU AMBARSARI 24010212140079 DEPARTEMEN
Lebih 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 terperinci