Tugas akhir ini bertujuan untuk memperkenalkan model runtun waktu Autoregressive Conditional Heteroscedasticity (ARCH) dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH), kemudian menggabungkannya dengan model runtun waktu stasioner yaitu model Autoregressive Moving Average (ARMA), menjadi model ARMA-ARCH atau ARMA-GARCH. Model ini akan dapat menangkap adanya fenomena pengelompokan volatilitas yang seringkali terjadi pada data runtun waktu finansial. Selain itu akan dijelaskan karakteristiknya, diantaranya adalah sifat kestasioneran dan fungsi autokorelasi, kemudian diperlihatkan berbagai simulasinya.