Selvidiah Mutiara , 4111412061 (2016) LONG MEMORY MODEL DENGAN GARCH UNTUK MERAMALKAN INDEKS HARGA SAHAM GABUNGAN (IHSG). Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version Download (1MB) | Preview

Abstract

Model ARFIMA-GARCH merupakan model yang dapat menjelaskan time series jangka pendek (short memory) maupun jangka panjang (long memory) dan dapat digunakan untuk mengatasi masalah residual model ARFIMA yang terindikasi adanya heteroskedastisitas. Tujuan dari penelitian ini adalah untuk menemukan model terbaik ARFIMA-GARCH pada data IHSG dan meramalkan data IHSG untuk periode Oktober sampai November 2016. Pada penelitian ini dilakukan pengujian long memory pada data IHSG yang memberikan hasil data IHSG memiliki ketergantungan jangka panjang (long memory). Oleh karena itu, dilakukan pembentukan model ARFIMA yang memberikan hasil model terbaik ARFIMA(1, 0,499883, 1) dengan nilai AIC 11,2475927. Residual dari model ARFIMA tersebut terindikasi heteroskedastisitas sehingga dilakukan pembentukan model ARFIMA-GARCH yang menghasilkan beberapa model ARFIMA-GARCH yang signifikan. Dari beberapa model tersebut, dilakukan evaluasi atau pengukuran kesalahan model dengan menggunakan kriteria MAPE dan MSE yang memberikan hasil model yang memiliki nilai MAPE dan MSE terkecil adalah ARFIMA(1, 0,499883, 1)-GARCH(1,2). Selanjutnya dilakukan pemilihan model terbaik yang memberikan hasil model terbaik ARFIMA-GARCH untuk data IHSG adalah ARFIMA(1, 0,499883, 1)-GARCH(1,2) dengan nilai MAPE sebesar 10,25% dan MSE sebesar 308.645,200. Jelas bahwa model terbaik ARFIMA-GARCH memiliki ukuran kesalahan model terkecil dan hasil peramalan untuk 47 minggu mendekati data aslinya. Oleh karena itu, model tersebut digunakan pada peramalan data IHSG untuk bulan Oktober sampai November 2016. Hasil peramalan untuk periode Oktober sampai November 2016 menunjukkan nilai IHSG mengalami penurunan. Prediksi nilai IHSG tertinggi terjadi pada tanggal 3 Oktober 2016 yaitu sebesar 4.512,205 dan yang terendah terjadi pada tanggal 28 November 2016 yaitu sebesar 4.418,462. Penurunan nilai IHSG memberikan arti bahwa tingkat pengembalian selama periode tersebut mengalami penurunan. Oleh karena itu, investor lebih baik tidak melakukan investasi pada bulan Oktober sampai November 2016 untuk meminimalkan resiko.

Actions (login required)

View Item