Hasil Pencarian  ::  Simpan CSV :: Kembali

"Krisis keuangan global yang disebabkan oleh Sub Prime Mortgage di Amerika telah menyebabkan harga - harga saham di dunia berjatuhan ,IHSG dan saham - saham di Indonesia juga ikut terpengaruh sehingga nilainya telah terus merosot jatuh. Pergerakan nilai IHSG dan saham ini akan dimodelkan dalam bentuk ARIMA. ARIMA sebenarnya adalah teknik untuk mencari pola yang paling cocok dari sekelompok data (curve fitting), dengan demikian ARIMA memanfaatkan sepenuhnya data masa lalu dan sekarang untuk melakukan peramalan jangka pendek yang akurat. Contoh pemakaian model ARIMA adalah peramalan harga saham dipasar modal yang dilakukan para pialang yang didasarkan pada pola perubahan harga saham dimasa lampau.

---

The Global financial crisis caused by sub prime mortgage in America has caused world stock market price declining, IHSG and Indonesian stock market also declining too cause of the global financial crisis. The movement price of IHSG and stock market will ne modeled in ARIMA. ARIMA is actually a technik for search suitable pattern from curve fitting, so ARIMA using wholefully past and present data to forecast short term period very accurate. An example of using ARIMA model is forecasting stock price in capital market by broker based of the stock price change in past."

"Tulisan ini membahas metode peramalan dengan pendekatan model runtun waktu Box-Jenkins yang merupakan proses pengembangan dari kombinasi proses Autofegresive (AR) dan proses Moving Average (MA) untuk runtun waktu tidak stasioner menjadi proses Autoregresive Integrated Moving Average (ARIMA). Pembahasan dimulai dengan unsur-unsur yang merupakan konsep analisa runtun waktu Box-Jenkins yaitu : Analisa runtun waktu stasioner dan tidak stasioner, Fungsi Autokovariansi, Fungsi Autokorelasi, Fungsi Autokorelasi parsial, Operator Back—Shift, dan Operator Diferensi. Dilanjutkan dengan menerangkan langkah-langkah penentuan model peramalan dengan metode runtun waktu Box-Jenkins yaitu : Identifikasi model, Estimasi parameter, dan Verifikasi."

"Tugas akhir ini membahas metode runtun waktu Box-Jenkins untuk data musiman. Metode ini merupakan salah satu metode peramalaan di mana variabel bebas dan variabel tak bebasnya hanya berdasarkan waktu dan tidak tergantung pada variabel lain yang mempengaruhinya. Dengan metode ini, secara iterasi akan dicari model peramalan terbaik dan suatu data yang tersedia melalui tahap identifikasi, estimasi dan diagnostic cheking. Dari model terbaik, dapat diramalkan keadaan data untuk beberapa waktu mendatang."

"Memprediksi Pergerakan Harga Saham selalu menjadi isu yang menarik dan memiliki implikasi yang signifikan dalam membuat keputusan investasi, khususnya di Bursa Efek Indonesia sebagai pasar yang menggeliat. Penelitian membahas prediksi pergerakan harga saham dengan menggunakan Artificial Neural Network (ANN) atau jaringan syaraf tiruan dan Box-Jenkins Autoregressive Integrated Moving Average (ARIMA) di Bursa Efek Indonesia. Penelitian ini menggunakan pendekatan kuantitatif dan tergolong dalam studi eksplanatif. Rentang waktu yang digunakan ialah dari Januari 2008 hingga Desember 2012. Penelitian ini berusaha menganalisis signifikansi dari metode ANN dalam peramalan harga saham LQ45 di Indonesia. Diharapkan hasil dari penelitian ini dapat membantu para investor dan pihak lain yang berkepentingan dalam memilih metode peramalan yang terbaik dan juga keputusan bisnis terbaik. Terdapat empat faktor yang dipilih sebagai variabel independen, yaitu Indeks Harga Saham Gabungan (IHSG), volume perdagangan harian tiap saham, kurs Rupiah terhadap Dollar Amerika dan harga minyak dunia. Penelitian ini menemukan bahwa metode ANN lebih signifikan dibandingkan dengan metode ARIMA dalam peramalan harga saham LQ45 di Indonesia.

---

Predicting Stock Price Movement is always considered as an interesting issues and has significant impacts in creating investment decision, particularly in the Indonesian Stock Exchange as an emerging market. This research discusses the prediction of stock price movements using Artificial Neural Networks (ANN) method and Box Jenkins Autoregressive Integrated Moving Average (ARIMA) in Indonesian Stock Exchange.

This research is quantitative and explanation in nature. The time scope of this research was from January 2008 up to December 2012. This research intends to analyze the significant of ANN method in forecasting Indonesian LQ45 Stock prices.

It is expected that the results of this research might assist the investors and other interested parties in selecting best forecasting methods and also best investment decision. There are four factors selected as independent variables, such as: Indonesian Composite Index, trading volume of each stocks, local currency exchange rate to USD and oil spot price. The research reveals that ANN is statistically more significant compared."

"Peramalan konsumsi energi memainkan peranan penting dalam pengambilan kebijakan. Peramalan konsumsi energi yang terlalu rendah berpotensi mengganggu aktifitas ekonomi, sedangkan peramalan konsumsi energi yang terlalu tinggi akan mengakibatkan suplai energi yang berlebihan. Tesis ini meramalkan konsumsi energi primer di Indonesia dengan menggunakan metode ARIMA. Tujuannya adalah untuk meramalkan konsumsi energi primer di Indonesia pada tahun 2025 dan melakukan kajian analisis komparatif tentang bauran energi tahun 2025 antara hasil peramalan dengan menggunakan ARIMA dan target pemerintah. Hasil peramalan menunjukkan konsumsi energi primer di Indonesia pada tahun 2025 sebesar 1802 juta SBM dengan komposisi bauran energi terdiri dari minyak bumi sebesar 39 persen, gas sebesar 17 persen, batubara sebesar 41 persen, energi air dan energi baru dan terbarukan (EBT) sebesar 3 persen.

---

Forecasting of energy consumption plays an important role in policy making. Underestimation of the energy consumption would lead to potential disrupt economic activity, whereas overestimation of the energy consumption would lead to excessive energy supply. This thesis forecasts the Indonesia's primary energy consumption using ARIMA method. The goal is forecasting the Indonesia?s primary energy consumption in 2025 and conducting a comparative analysis of the energy mix in 2025 between the forecasting results using ARIMA method and government targets. Forecasting results demonstrate Indonesia's primary energy consumption in 2025 amounted to 1802 million BOE with the composition of the energy mix consists of oil by 39 percent, gas by 17 percent, coal by 41 percent, hydropower and renewable energy (RE) by 3 percent."

"Pertumbuhan ekonomi mengakibatkan tingkat konsumsi masyarakat meningkat, termasuk didalamnya adalah tingkat konsumsi barang consumer goods. Peningkatan tingkat konsumsi memberikan peluang bagi perusahaan-perusahaan untuk meingkatkan margin keuntungannya. Dengan persaingan dengan kompetitor yang begitu ketat, perencanaan produksi menjadi hal yang sangat vital bagi perusahaan. Peramalan jumlah permintaan barang yang akurat dibutuhkan untuk memperoleh operasi produksi yang efektif dan efisien. Metode ARIMA merupakan metode peramalan yang cukup populer untuk peramalan data time series dan terbukti memberikan hasil peramalan yang cukup akurat pada beberapa penelitian yang telah dilakukan sebelumnya. Sedangkan metode neural network memiliki keunggulan untuk mendeteksi pola nonlinear yang ada di dalam data sehingga memiliki performa yang baik saat digunakan untuk melakukan peramalan untuk data yang sifatnya nonlinear. Metode hybrid yang mengkombinasikan ARIMA dengan neural network juga diajukan dalam penelitian ini untuk menganalisis performa kombinasi model gabungan dalam melakukan peramalan. Dalam penelitian ini, neural network menjadi model dengan tingkat akurasi yang lebih baik dibandingkan metode lain.

---

Economic growth results in increased consumptions levels of the citizen, including the consumption level of consumer goods. An increased level of consumption provides opportunity for companies to raise the profit margin. With tight competition against the competitor, production planning is very vital for the company. Forecasting an accurate number of demands is required to obtain production operation which are efficient and effective. ARIMA is one of the forecasting method which is a fairly popular for forecasting time series data and proven to give a fairly accurate forecasting result based on some researches that has been done before. While neural network method has advantages for detecting nonlinear patterns in the data, resulting a good performance when forecasting for the nonlinear nature of data. Hybrid method which combines the ARIMA with neural network also proposed in this study to analyze the performance of combination forecasting models. In this study, the neural network model with a better accuracy than other methods.

---

Economic growth results in increased consumptions levels of the citizen, including the consumption level of consumer goods. An increased level of consumption provides opportunity for companies to raise the profit margin. With tight competition against the competitor, production planning is very vital for the company. Forecasting an accurate number of demands is required to obtain production operation which are efficient and effective. ARIMA is one of the forecasting method which is a fairly popular for forecasting time series data and proven to give a fairly accurate forecasting result based on some researches that has been done before. While neural network method has advantages for detecting nonlinear patterns in the data, resulting a good performance when forecasting for the nonlinear nature of data. Hybrid method which combines the ARIMA with neural network also proposed in this study to analyze the performance of combination forecasting models. In this study, the neural network. "

"ABSTRAKPenelitian ini dilakukan untuk meneliti pengaruh perubahan tak terduga (unexpected change) dari imbal hasil pasar, tingkat suku bunga, dan tingkat inflasi terhadap imbal hasil saham sub-sektor perbankan yang terdaftar di BEI selama periode 2007-2013 dengan menggunakan metode Autoregresive Integrated Moving Average (ARIMA). Penelitian dilakukan dengan model ARIMA untuk melakukan peramalan nilai expected dari imbal hasil pasar, tingkat suku bunga, dan tingkat inflasi. Berdasarkan peramalan dengan metode ARIMA terhadap ketiga variabel makroekonomi yang kemudian diolah ke dalam regresi, maka hasil yang diperoleh adalah faktor imbal hasil pasar memiliki pengaruh yang positif terhadap imbal hasil saham sub-sektor perbankan, sedangkan tingkat suku bunga memiliki pengaruh yang negatif. Ternyata, untuk tingkat inflasi tidak memiliki pengaruh terhadap imbal hasil saham

---

ABSTRACTThis study focuses on observing the impact of unexpected changes in market return, interest rate, and inflation on bank stock return listed on the Indonesian Stock Exchange during the period 2007-2013 using the Autoregresive Integrated Moving Average (ARIMA) method. The study was conducted with the ARIMA model for forecasting the expected value of market return, interest rate, and inflation rate. Based on the forecast of these three variables of macroeconomics with ARIMA method which then calculated into regression, the result of the calculation is the unexpected change of market return has a positive influence on bank stock return, while the interest rate has a negative effect. Meanwhile, the inflation rate has no impact on bank stock returns"