Penulis / NIM
ROSNA NINGSIH BILONDATU / 413413004
Program Studi
S1 - STATISTIKA
Pembimbing 1 / NIDN
NURWAN / 0010058106
Pembimbing 2 / NIDN
DEWI RAHMAWATY ISA, S.Si., M.Pd / 0007018202
Abstrak
Model ARCH merupakan model autoregresif dalam keadaan variansi tidak konstan. Model ARCH kemudian disempurnakan oleh Tim Bollerslev (1986) yaitu dengan memasukan tidak hanya textit{error term} dimasa lalu tetapi juga varian error term dimasa lalu. model dari Bollerslev ini kemudian disebut dengan Generalized Autoregressive Conditional Heteroscedasticity (GARCH).
Penelitian ini membandingkan Model ARCH (1) dan GARCH (1,1) pada Peramalan Runtun Waktu. Data yang digunakan adalah Harga saham PT. Cowell Development dari bulan Januari 2013 sampai desember 2016. Penelitian ini bertujuan Membandingkan model yang terbaik diantara model ARCH(1) dan model GARCH (1,1) dalam meramalkan harga saham pada PT. Cowell Development Tbk dan mengetahui hasil peramalan Harga saham pada PT. Cowell Development Tbk dengan menggunakan model yang terbaik untuk beberapa hari berikutnya.
Hasil yang diperoleh bahwa model ARCH(1) adalah model yang tepat untuk dijadikan peramalan harga saham PT Cowell Development karena memiliki nila AIC dan BIC terkecil. Menggunakan model ARCH (1) dilakukan peramalan selama 10 hari kedepan dimulai dari 28 November 2016 sampai 9 desember 2016. Dengan niai MAPE sebesar 0,043%. Nilai MAPE menunjukan presentase yang rendah, ini menunjukan peramalan mendekati data aktual.
Kata Kunci: ARCH,GARCH, MAPE, Saham
ARCH model is an autoregressive model in state of non-constant variance. It is then perfected by Tim Bollerslev (1986), by inputting not only past error terms, but also past error term variance. Bollerslev's upgrade on the model is also known as Generalized Autoregressive Conditional Heteroscedasticity (GARCH).
This Study aims to compare ARCH(1) and GARCH(1,1) model in time series forecasting. It employed data of stock price of Cowell Development Corp. during January 2013-December 2016. The analysis was carried out to elaborate wich model is the best to forecast the stock price; further, it was conducted to forecast the stock price of the next days by employing the best model.
The result shows that ARCH(1) is the most accurate model to forecast the stock price of the company, due to its smaller AIC and BIC value. Moreover, the forecast result of stock price for 10 days (November 28 - December 9,2016) by ARCH(1) model finds out that the MAPE value is 0,043%. The low percentage of MAPE value signifies that the forecast is nearly close to the actual data
Keywords: ARCH, GARCH, MAPE, Stock
Download berkas
