BAB II TINJAUAN PUSTAKA

dokumen-dokumen yang mirip
BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO-EGARCH

MENGGUNAKAN METODE GARCH ASIMETRIS

BAB I PENDAHULUAN. penting dalam proses pengambilan keputusan di suatu instansi. Untuk melakukan

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji

PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA

PENERAPAN MODEL EGARCH-M DALAM PERAMALAN NILAI HARGA SAHAM DAN PENGUKURAN VALUE AT RISK (VAR)

DAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

BAB IV PEMBAHASAN. Gambar 4.1 nilai tukar kurs euro terhadap rupiah

BAB I PENDAHULUAN. untuk menjual, menahan, atau membeli saham dengan menggunakan indeks

SKRIPSI. Disusun Oleh: Aditya Wisnu Broto J2E

BAB 2 TINJAUAN PUSTAKA

PEMODELAN RETURN SAHAM PERBANKAN MENGGUNAKAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH)

Disusun oleh : Nur Musrifah Rohmaningsih Skripsi. Sebagai Salah Satu Syarat untuk Memperoleh Gelar

PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS

BAB III METODE PENELITIAN

Metode Peramalan dengan Menggunakan Model Volatilitas Asymmetric Power ARCH (APARCH)

BAB IV METODE PENELITIAN

PROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2013 ISBN:

PERAMALAN VOLATILITAS MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN (GARCH-M)

TEKNIK PERAMALAN DENGANMODEL AUTOREGRESSIVE CONDITIONALHETEROSCEDASTIC (ARCH) (Studi KasusPada PT. Astra Agro Lestari Indonesia Tbk)

PEMODELAN NEURO-GARCH PADA RETURN NILAI TUKAR RUPIAH TERHADAP DOLLAR AMERIKA

UNNES Journal of Mathematics

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

PEMODELAN RETURN PORTOFOLIO SAHAM MENGGUNAKAN METODE GARCH ASIMETRIS. Keywords: Stocks, Portfolio, Return, Volatility, Asymmetric GARCH.

III. METODOLOGI PENELITIAN

BAB III PEMBAHARUAN PERAMALAN. Pada bab ini akan dibahas tentang proses pembaharuan peramalan.

BAB II LANDASAN TEORI

BAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa

BAB III METODE PENELITIAN

PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)

BAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham

PEMODELAN TARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH. Retno Hestiningtyas dan Winita Sulandari, M.Si. Jurusan Matematika FMIPA UNS

BAB I PENDAHULUAN. satu sumber tetap yang terjadi berdasarkan waktu t secara berurutan dan dengan

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

PREDIKSI VOLATILITAS INDEKS HARGA SAHAM GABUNGAN (IHSG) DAN INDEKS HARGA SAHAM SEKTORAL DENGAN METODE ESTIMASI VOLATILITAS TIME SERIES

BAB III NONLINEAR GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (N-GARCH)

INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) (Studi Kasus pada Return Kurs Rupiah terhadap Dollar Australia)

BAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara

PERBANDINGAN AKURASI MODEL ARCH DAN GARCH PADA PERAMALAN HARGA SAHAM BERBANTUAN MATLAB Sunarti, Scolastika Mariani, Sugiman

MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (EGARCH) DAN PENERAPANNYA PADA DATA INDEKS HARGA SAHAM

PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.

PADA PORTOFOLIO SAHAM

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. Peramalan merupakan salah satu unsur yang sangat penting dalam

Meganisa Setianingrum, Sugiyanto, Etik Zukhronah Prodi Matematika Fakultas Matematika dan Ilmu pengetahuan Alam Universitas Sebelas Maret Surakarta

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

PENDETEKSIAN DINI KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DENGAN MARKOV SWITCHING BERDASARKAN INDIKATOR KONDISI PERBANKAN

BAB IV METODE PENELITIAN

BAB III METODOLOGI PENELITIAN

BAB I PENDAHULUAN 1.1. Latar Belakang

PENERAPAN MODEL THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (TGARCH) DALAM PERAMALAN HARGA EMAS DUNIA

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

PERAMALAN VALUE AT RISK MENGGUNAKAN METODE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA BERDASARKAN INDIKATOR IMPOR DAN EKSPOR MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING

BAB I PENDAHULUAN 1.1 Latar Belakang Esti Pertiwi, 2013

PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

PENENTUAN MODEL TERBAIK UNTUK PERAMALAN DATA SAHAM CLOSING PT. CIMB NIAGA INDONESIA MENGGUNAKAN METODE ARCH-GARCH

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

BAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi saat ini berkembang pesat.

MODEL MARKOV SWITCHING EGARCH PADA NILAI TUKAR EURO TERHADAP RUPIAH

PENENTUAN VALUE AT RISK

BAB IV ANALISIS DAN PEMBAHASAN

BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) Proses TARCH merupakan modifikasi dari model ARCH dan GARCH.

Pemodelan Jaringan Syaraf Tiruan dengan Algoritma One Step Secant Backpropagation dalam Return Kurs Rupiah Terhadap Dolar Amerika Serikat

Pemodelan ARIMA Non- Musim Musi am

PEMODELAN DAN PERAMALAN PENUTUPAN HARGA SAHAM PT. TELKOM DENGAN METODE ARCH - GARCH

PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG

Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral

PENERAPAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING

PERHITUNGAN VALUE AT RISK HARGA SAHAM DENGAN MENGGUNAKAN VOLATILITAS ARCH-GARCH DALAM KELOMPOK SAHAM LQ 45 ABSTRACT

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

BAB 2 LANDASAN TEORI

BAB 3 SMOOTH TRANSITON AUTOREGRESSIVE. waktu nonlinear yang merupakan perluasan dari model Autoregressive (AR).

Analisis Volatilitas Saham Perusahaan Go Public dengan Metode ARCH-GARCH

PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)

Pemodelan dan Peramalan Penutupan Harga Saham Harian Jakarta Islamic Index Model Garch

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : Genap

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

BAB I PENDAHULUAN. statistika sebagai dasar analisis atau perancangan yang menyangkut olah data

BAB III INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICITY (IGARCH)

PREDIKSI INDEKS HARGA SAHAM GABUNGAN DENGAN MODEL AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY SKRIPSI. Oleh : INA YULIANA J2A

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation

BAB IV METODE PENELITIAN

BAB 2 LANDASAN TEORI

BAB III METODE PENELITIAN

SKRIPSI. Disusun Oleh : OKTAFIANI WIDYA NINGRUM

BAB 1 PENDAHULUAN Latar Belakang

PERAMALAN DATA NILAI EKSPOR NON MIGAS INDONESIA KE WILAYAH ASEAN MENGGUNAKAN MODEL EGARCH

IV. METODE PENELITIAN

METODE PERAMALAN ANALISIS DERET WAKTU PADA SAHAM SENTUL CITY TBK. MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC

Transkripsi:

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... 1 1.2 Rumusan Masalah... 4 1.3 Tujuan Penulisan... 4 1.4 Batasan Masalah... 5 1.5 Manfaat Penulisan... 5 1.6 Struktur Organisasi Skripsi... 5 BAB II TINJAUAN PUSTAKA... 6 2.1 Metode Runtun Waktu... 6 2.2 Stasioneritas Proses Stokastik... 7 2.3 Autokovarians dan Autokorelasi... 8 2.3.1 Autokovarians... 8 2.3.2 Autokorelasi... 8 2.4 Metode Runtun Waktu Box-Jenkins... 9 2.4.1 Proses Autoregressive... 9 2.4.2 Proses Moving Average... 10 2.4.3 Proses Autoregressive Moving Average... 10

2.5 Pembentukan Model Runtun Waktu Box-Jenkins... 11 2.5.1 Pemeriksaan Kestasioneran Data... 11 2.5.2 Transformasi Data... 12 2.5.3 Identifikasi Model... 12 2.5.4 Estimasi Parameter... 13 2.5.5 Verifikasi Model... 13 2.6 Volatilitas... 14 2.6.1 Model Autoregressive Conditional Heteroscedastic (ARCH)... 15 2.6.2 Model Generalized Autoregressive Conditional Heteroscedastic (GARCH)... 16 2.6.3 Model Exponential Generalized Autoregressive Conditional Heteroscedastic (EGARCH)... 16 2.7 Proses White Noise... 18 2.8 Uji Efek ARCH... 19 2.8.1 Uji Ljung-Box... 20 2.8.2 Uji ARCH-LM... 20 2.9 Saham... 21 2.9.1 Return... 22 2.9.2 Risiko... 23 2.10 Jaringan Syaraf Tiruan (JST)... 23 2.10.1 Sejarah Jaringan Syaraf Tiruan... 24 2.10.2 Definisi Jaringan Syaraf Tiruan... 25 2.10.3 Pemodelan Jaringan Syaraf Tiruan... 27 2.10.4 Arsitektur jaringan... 29 2.10.5 Fungsi Aktivasi... 31 2.10.6 Bias dan Thershold... 33 2.10.7 Algoritma Belajar dan Pelatihan... 33

2.10.8 Kehandalan Jaringan Syaraf Tiruan... 34 2.10.9 Backpropagation... 37 2.10.10 Momentum... 38 2.10.11 Aplikasi Backpropagation dalam Peramalan... 39 2.11 Neuro-EGARCH... 42 2.12 Mean Square Error (MSE)... 42 BAB III METODE EGARCH, JARINGAN SYARAF TIRUAN DAN NEURO- EGARCH... 43 3.1 Variabel Penelitian... 43 3.2 Jenis dan Sumber Data... 43 3.3 Metode Pengumpulan Data... 43 3.4 Metode Exponential Generalized Autoregressive Conditional Heteroscedastic (EGARCH)... 43 3.4.1 Uji Efek Asimetris... 43 3.4.2 Pembentukan Model... 45 3.4.3 Identifikasi Model... 46 3.4.4 Estimasi Parameter... 46 3.5 Metode Jaringan Syaraf Tiruan (JST) Backpropagation... 53 3.5.1 Pelatihan Standar Backpropagation... 53 3.5.2 Diagram Alir Model Jaringan Syaraf Tiruan... 57 3.6 Metode Neuro-EGARCH... 58 3.6.1 Diagram Alir Pembentukan Input Model Neuro-EGARCH... 59 3.6.2 Diagram Alir Model JST dan Neuro-EGARCH... 60 3.7 Komparasi Hasil Peramalan... 60 BAB IV STUDI KASUS... 62 4.1 Exponential Generalized Autoregressive Conditional Heteroscedastic (EGARCH)... 62

4.1.1 Saham dan Return Saham... 62 4.1.2 Pengujian Karakteristik Return... 63 4.1.3 Uji Stasioneritas... 65 4.1.4 Pembentukan dan Model Rata-rata... 66 4.1.4.1 Identifikasi Model... 66 4.1.4.2 Estimasi Parameter... 67 4.1.4.3 Verifikasi Model... 68 4.1.5 Uji Efek Heteroskedastisitas... 70 4.1.6 Uji Efek Asimetris... 71 4.1.7 Pembentukan Model EGARCH... 71 4.1.7.1 Identifikasi Model... 71 4.1.7.2 Estimasi Parameter... 71 4.1.7.3 Peramalan... 72 4.2 Jaringan Syaraf Tiruan (JST) Backpropagation... 76 4.3 Neuro-EGARCH... 83 4.4 Perbandingan Metode EGARCH, JST dan Neuro-EGARCH Berdasarkan MSE... 89 4.4.1 Perbandingan MSE Harga Saham... 90 4.4.2 Perbandingan MSE Volatilitas... 91 BAB IV PENUTUP... 93 5.1 Kesimpulan... 93 5.2 Saran... 94 DAFTAR PUSTAKA... 95 LAMPIRAN... 97

DAFTAR TABEL Tabel Halaman 2.1 Transformasi Power... 12 4.1 Correlogram of squared return... 64 4.2 Uji Stasioneritas Augmented Dickey Fuller (ADF)... 65 4.3 Fak dan Fakp Return Saham Astra Internasional Tbk... 66 4.4 Estimasi Parameter Model AR(1)... 67 4.5 Estimasi Parameter Model MA(1)... 67 4.6 Estimasi Parameter Model ARMA(1,1)... 68 4.7 Nilai Koefisien, Standar Error dan Probabilitas... 69 4.8 Nilai AIC dan SC... 70 4.9 Uji ARCH-LM... 71 4.10 Estimasi Parameter Model MA(1)-EGARCH(1,1)... 72 4.11 Ramalan Return Saham 10 Hari Berikutnya... 74 4.12 Nilai Ramalan Variansi dan Standar Deviasi 10 Hari Berikutnya... 74 4.13 Nilai Ramalan Harga Saham 10 Hari Berikutnya... 75 4.14 Nilai Ramalan Return Saham 10 Hari Berikutnya dengan Jaringan Syaraf Tiruan... 82

4.15 Nilai Ramalan Variansi 10 Hari Berikutnya dengan Jaringan Syaraf Tiruan. 82 4.16 Nilai Ramalan Return Saham 10 Hari Berikutnya dengan Neuro-EGARCH. 86 4.17 Nilai Ramalan Variansi 10 Hari Berikutnya dengan Neuro-EGARCH... 89 4.18 Ramalan Harga Saham Dengan Metode EGARCH, JST, Neuro-EGARCH dan Harga Saham Sebenarnya Untuk 10 Hari Berikutnya... 90 4.19 Perbandingan MSE dari Harga Saham... 91 4.20 Ramalan Variansi Dengan Metode EGARCH, JST, Neuro-EGARCH dan Harga Saham Sebenarnya Untuk 10 Hari Berikutnya... 91 4.21 Perbandingan MSE dari Volatilitas... 92 DAFTAR GAMBAR Gambar Halaman 2.1 Sebuah Sel Syaraf Tiruan... 27 2.2 Model Tiruan Sebuah JST... 28 2.3 Jaringan Layar Tunggal... 29 2.4 Jaringan Layar Jamak... 30 3.1 Bagan tahap Pembentukan Model EGARCH... 45 3.2 Diagram Alir Model JST... 57 3.3 Diagram Alir Pembentukan Input Model Neuro-EGARCH... 69 3.4 Diagram Alir Model JST dan Neuro-EGARCH... 60 4.1 Plot Data Harga Saham Astra Internasional Tbk... 63 4.2 Plot Data Return Saham Astra Internasional Tbk... 63 4.3 Histogram dan Statistik Deskriptif Return Saham Astra Internasional Tbk... 64 4.4 Peramalan Nilai Return Saham Astra Internasional Tbk... 73 4.5 Peramalan Variansi Saham Astra Internasional Tbk... 73 4.6 Hasil Pelatihan untuk 5000 Iterasi Pada Jaringan Syaraf Tiruan... 79

4.7 Perbandingan antara Target dengan Output untuk Data Pelatihan... 80 4.8 Hasil Pelatihan Data Return Neuro-EGARCH... 84 4.9 Perbandingan Antara Target dengan Output Jaringan... 85 4.10 Perbandingan Target (o) dengan Output (*) untuk Data Pengujian... 85 4.11 Hasil Pelatihan Data Volatilitas... 87 4.12 Perbandingan antara Target dan Output Data Volatilitas... 88 4.13 Perbandingan antara Target dan Output Data Pengujian Volatilitas Neuro- EGARCH... 88 4.14 Pergerakan Volatilitas Metode Jaringan Syaraf Tiruan... 92 DAFTAR LAMPIRAN Lampiran Halaman 1 Data Harga Saham Astra Internasional Tbk Periode 2 Januari 2008 sampai 2 Maret 2014... 97 2 Data Nilai Return Harga Saham Astra Internasional Tbk Periode 2 Januari 2008 sampai 2 Maret 2014... 110 3 Data yang Digunakan Untuk Pengolahan Neuro-EGARCH... 123 4 Pengolahan Data Return Menggunakan MatLab untuk Metode Jaringan Syaraf Tiruan... 125 5 Pengolahan Data Volatilitas Menggunakan MatLab untuk Metode Jaringan Syaraf Tiruan... 136 6 Pengolahan Data Return Menggunakan MatLab untuk Metode Neuro- EGARCH... 146 7 Pengolahan Data Volatilitas Menggunakan MatLab untuk Metode Neuro-

EGARCH... 156 8 Perhitungan MSE Pada Harga Saham (3 Maret 2014 sampai 14 Maret 2014) dengan Metode EGARCH, JST dan Neuro-EGARCH... 166 9 Perhitungan MSE Pada Volatilitas (3 Maret 2014 sampai 14 Maret 2014) dengan Metode EGARCH, JST dan Neuro-EGARCH... 168