A MODEL ARCH(1) DAN GARCH(1,1) PADA PERAMALAN HARGA SAHAM PT. COWELL DEVELOPMENT Tbk.

  • Rosna Ningsih Bilondatu Jurusa Matematika FMIPA Universitas Negeri Gorontalo
  • Nurwan Nurwan Universitas Negeri Gorontalo
  • Dewi Rahmawaty Isa Jurusa Matematika FMIPA Universitas Negeri Gorontalo
Keywords: ARIMA, ARCH, GARCH, MAPE, Peramalan.

Abstract

Penelitian ini memfokuskan pada peramalan harga saham PT. Cowell Development Tbk. menggunakan data pada Januari 2013 sampai Desember 2016. Hasil analisis diperoleh model terbaik adalah model ARIMA(2,1,12). Hasil pengujian asumsi residual white noise menggunakan uji Ljung-Box menunjukkan bahwa model ARIMA(2,1,12) merupakan residual white noise.  Hasil uji ARCH-LM menunjukkan data mengandung efek heteroskedastisitas atau unsur ARCH. Model yang diajukan dalam penelitian ini adalah ARCH(1) dan GARCH(1,1). Nilai AIC dan BIC terkecil dari dua model ini adalah ARCH(1). Model ARIMA(2,1,12) dengan residual ARCH(1) merupakan model terbaik untuk meramalkan saham PT. Cowel Development Tbk. Penerapan model ARCH(1) untuk meramalkan harga saham PT. Cowel Development Tbk selama 10 hari periode 2013-2016, menunjukkan bahwa peramalan sudah mendekati data faktual dengan nilai MAPE sebesar 0,043%. Hal ini memberikan indikasi hasil peramalan sudah mendekati data faktual.

Downloads

Download data is not yet available.

References

A. Widarjono, “Aplikasi Model ARCH Kasus Tingkat Inflasi Indonesia”, Jurnal Ekonomi Pembangunan, Vol. 7, No. 1, pp. 71-82, 2002.

A. P. Desvina, N. Rahmah, “Penerapan Metode ARCH/GARCH Dalam Peramalan Indeks Harga Saham Sektoral”, .Jurnal Sains Matematika dan Statistika , Vol. 2, No. 1, pp. 1-10, 2016

C. JK, “https://finance.yahoo.com/,” PT Cowell Development Tbk, 01 April 2018. [Online]. Available: https://finance.yahoo.com. [Diakses 1 January 2018].

J. D. Cryer, Chan dan Kung-Sik, Time Series Analysis, Lowa: Springer, 2008.

M. S. Lo, Generalized Autoregressive Conditional Heteroscedastic Time Series Models, Simon Fraser University: Simon Fraser University, 2003.

N. Untari, A. A. Mattjik dan A. Saefuddin, “Analisis Deret Waktu dengan Ragam Galat Heterogen dan Asimetrik,” Forum Statistika dan Komputasi, vol. 14, no. 1, pp. 22-33, 2009.

S. Makridakis, S. C. Wheelwright dan R. J. Hyn, Forecasting methods and applications, United States: John wiley & sons, 2008.

T. Bollerslev, “Generalized Autoregressive Conditional Heteroskedasticity,” Journal of Econometrics, Vol. 31, No. 3, pp. 307-327, 1986.

W. Enders, Applied Econometric Time Series, United States : Wiley Series in Probability and Statistics, 1995.

W. W. Wei, Time Series Analysis: Univariate and Multivariate Method, New York: Pearson Education, 2006.

W. Y. Eliyawati, R. R. Hidayat dan D. F. Azizah, “Penerapan Model GARCH (Generalized Autogressive Conditional Heteroscedaticity) untuk Menguji Pasar Modal Efisien di Indonesia,” Jurnal Adminsitrasi Bisnis (JAB), vol. 7, no. 2, pp. 1-10, 2014.

Published
2019-03-13
How to Cite
[1]
R. Bilondatu, N. Nurwan, and D. Isa, “A MODEL ARCH(1) DAN GARCH(1,1) PADA PERAMALAN HARGA SAHAM PT. COWELL DEVELOPMENT Tbk.”, BAREKENG, vol. 13, no. 1, pp. 009-018, Mar. 2019.