SKRIPSI Jurusan Matematika - Fakultas MIPA UM, 2017

Ukuran Huruf:  Kecil  Sedang  Besar

ANALISIS MODEL ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (APARCH) DAN EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (EGARCH) DALAM MENGATASI PENGARUH ASIMETRIS PADA DATA HARGA SAHAM

Anna Arneliya

Abstrak


Nilai return pada data harga saham mempunyai volatilitas yang tinggi dan varian yang tidak homogen sehingga diperlukan beberapa asumsi dan model untuk mengatasi masalah tersebut. Data time series dengan varian yang tidak homogen mengandung conditional heteroscedastic (heterokedastisitas bersyarat). Model yang dapat digunakan untuk mengatasi heteroskedastisitas adalah model ARCH(Autoregressive Conditional Heteroscedastic)/GARCH(Generalized Autoregressive Conditional Heteroscedastic) yang mengasumsikan adanya korelasi positif antara nilai return dan pengaruh asimetris.  Jika suatu data mempunyai pengaruh asimetris maka terdapat beberapa model yang dapat digunakan untuk mengatasinya seperti APARCH(Asymmetric Power ARCH) dan EGARCH(Exponential Generalized ARCH). Data pada penelitian ini yang digunakan adalah nilai harga saham harian dari PT. Adira Dinamika Multi Finance T periode 24 September 2009 sampai 22 September 2016. Nilai return dari data tersebut dicari model ARMA terbaik yang sesuai dengan melihat nilai AIC dan SC terkecil, dan didapatkan model terbaik adalah ARMA(1). Setelah diketahui model ARMA data di uji apakah mengandung asimteris dengan menggunakan model ARCH/GARCH. Karena  data mengandung sifat asimetris maka model yang digunakan dalam peramalan nilai harga saham selanjutnya adalah APARCH dan EGARCH. Model APARCH yang memenuhi asumsi adalah APARCH(2,2) dan model EGARCH yang memenuhi asumsi adalah EGARCH(3,2), dengan nilai MAPE dari masing-masing model adalah 73.02194 dan 71.60103. Dari hasil MAPE diatas dapat disimpulkan bahwa model yang paling cocok untuk meramalkan nilai harga saham selanjutnya adalah EGARCH(3,2) yang mempunyai MAPE lebih kecil dari pada APARCH(2,2).