Hasil Pencarian  ::  Simpan CSV :: Kembali

"This article attempts to socialize Box-Jenkins method (ARIMA model) for forecasting. Steps in using the method are model identification, estimation, diagnostic checking (testing) and forecasting. It also introduces variation of the method such as ARIMA which consider seasonal factor (SARIMA model) and combination between regression and ARIMA model (MARMA model). In the last part, It shows how to forecast composite stock price index in Jakarta Stock Exchange and nominal exchange rate of Rupiah per US dollar using the method."

"Pasar modal di Indonesia telah berkembang sangat cepat melebihi dari apa yang dibayangkan sebelumnya. Melalui beberapa kebijakan pemerintah yang mengenai pasar modal, antara lain seperti Pakto dan Pakdes 88, dalam waktu yang cukup singkat telah terjadi peningkatan aktivitas pasar modal yang sangat tajam. Hargsa saham dan pasar saham pun mulai bergejolak. Banyak faktor yang mempengaru.hi pergerakan harga saham ini. Fluktuasi ini disebabkan oleh pengaruh yang sangat kompleks dan sulit diprediksi. Pengetahuan mengenai .pergerakan harga saham memegang peranan penting dalam keputusan-keputusan investasi. Karya Akhir ini akan meneliti perilaku pasar saham dan gerakan harga saham individu perusahaan. Hasil yang diharapkan adcilah sebuah model peramalan fiarga saham. Model peramalan harga saham yang akan dibuat ada dua yaitu model peramalan yang dapat meramalkan pasar saham (Indeks Harga Saham Gabungan) dan model peramalan harga saham individu perusahaan. Model peramalan dibentuk dengan beberapa metode. Dua metode peramalan yang digunakan adalah metode Statistik melalui analisis regresi, analisis korelasi, dekomposisi deret waktu (times series decompositian), stepwise regressian, dan model ARIMA (Autoregressive Integrated Moving Average) atau yang dikenal sebagai metodologi Box-Jenkins serta metode peramalan dengan menggunakan Artifidal Neural Network/ANN (Jaringan Saraf Tiruan) yang merupakan salah satu bidang dan Artificial Intelligence. Setiap metode peramalan tersebut mempunyai karakteristik dan hasil peramalan tertentu. Analisis regresi akan digunakan untuk membentuk model persamaan peramalan pasar saham atau harga saham mdividu perusahaan. Stepwise regression memberikan hasil model persamaan peramalan pasar saham yang terdiri dari variabel-variabel mdependen terpilih yaitu variabel-variabel ekonomi makro seperti harga emas, cadangan devisa, indeks harga konsumen, jumlah uang beredar (Ml), jumlah kredit, suku bunga (deposito), kurs mata uang asing terhadap Rupiah, ekpor dan impor, serta harga minyak per barel yang mempunyai pengaruh terhadap pasar saham yaitu Indeks Harga Saham Gabungan (IHSG). Dekomposisi deret waktu yang dilakukan terhadap IHSG bertujuan untuk mengetahui variabel musiman dan pasar saham sehingga dapat memberikan gambaran kepada para investor kapan harus membeli atau menjual saham dan pada bulan atau han apa sebaiknya dilakukan. Analisis korelasi dilakukan untuk mengetahui korelasi antara factor-faktor fundamental perusahaan yang diwakili oleh kondisi keuangan perusahaan (seperti assets, liabilities, equities, profit, dan beberapa rasio-rasio keuangan seperti DER, profit margin, EPS dan lain-lain) dengan harga saham individu perusahaan. Analisis mi memberi hasil bahwa harga saham individu tidak mempunyai korelasi kuat atau tidak dengan faktor fundamental tersebut. Jika model peramalan harga saham individu tidak dapat dibuat berdasarkan faktor-faktor fundamental perusahaan tersebut maka analisis deret waktu Box-Jenkins akan digunakan untuk membentuk model peramalan haga saham individu. Yang menjadi variabel independen dalam metode Box-Jenkins ini adalah variabel independennya sendiri. Model permalan yang dihasilkan dari metode Box-Jenkins ml hanya bisa digunakan untuk meramalkan harga saham untuk jangka pendek saja (sampai tiga periode berikutnya). Model peramalan juga dibentuk dengan metode Jaringan Saraf Tiruan (Artificial Neural Network/ANN). Metode ANN im digunakan juga untuk membentuk model peramalan pasar saham maupun harga saham individu seperti yang telah dibentuk melaliii metode peramalan konvesnional (seperti model regresi dan metode Box-Jenkins). Hasil peramalan dengan model ANN ml dibandingkan dengan hasil peramalan dengan beberapa metode lainnya. Walaupun model peramalan ANN tidak dapat menjelaskan hubungan antara vaniabel independen (input) dengan variabel dependennya (output) namun model ml memiliki hasil yang relatif lebih akurat dibandingkan dengan hasil peramalan dengan model konvensional seperti model regresi dan metode Box-Jenkins. Semua metode peramalan tersebut mempunyai kelebihan dan kekurangannya masing-masing sehlngga satu metode permalan tersebut tidak bisa digunakan untuk menggantikan metode lainnya, sebaliknya, semua metode tersebut digunakan untuk saling melengkapi sehingga model peramalan harga saham yang dibentuk lebth sempurna."

"Peramalan merupakan hal yang sangat penting dalam segala bidang, baik dalam menjalankan usaha maupun dalam penelitian. Semakin lama, semakin banyak metode-metode peramalan yang dikembangkan dalam memenuhi kebutuhan dalam meramal. Walau pengembangan metode peramalan semakin lama semakin maju, satu hal yang pasti adalah, tidak akan pernah ada metode peramalan yang dapat meramal secara tepat, peristiwa yang akan terjadi. Dari beberapa peramalan yang ada, ada beberapa metode yang banyak digunakan secara luas, baik dalam bisnis maupun dalam kehidupan sehari-hari. Peramalan tersebut antara lain adalah metode Regressi, metode Arima dan metode Winter. Tesis ini mencoba untuk menemukan dari ketiga metode yang disebut diatas, mana diantara ketiga metode ini lebih baik bila diterapkan pada peramalan harga saham di bursa efek. Peramalan dilakukan dengan mengunakan harga saham beberapa perusahaan tertentu yang terdaftar di BEJ sejak tahun 1989, dan memenuhi syarat-syarat yang telah ditentukan agar harga saham dan perusahaan yang diramal terbebas dari faktor-faktor yang bersifat subjektif. Setelah dilakukan peramalan, dan dengan mengunakan MSD (mean square deviation) sebagai alat untuk membandingkan antara ketiga metode tersebut, serta mempertimbangkan kelemahan dan kelebihan dari setiap metode dan juga daam proses pengumputan data, ditemukan bahwa metode ARIMA, lebih baik dibanding dengan 2 metode lainnya. Metode ARIMA bukan tanpa kelemahan. Kelemahan utama adalah kesulitan untuk menentukan tingkat kepercayaan (r2). r2 tidak dapat ditentukan di awal analisa, tapi merupakan hasil yang didapat dari model yang ditemukan."

"Perkembangan pasar modal dari hari ke hari semakin menarik dan merupakan penelitian yang menantang. Interaksi pasar modal dengan pasar valas merupakan topik yang terus dikaji dan belum dapat disimpulkan (inconclusive). Krisis keuangan yang dimulai di Thailand pada July 1997 telah membawa dampak ke beberapa negara Asia, antara lain Indonesia, Thailand, Filipina, Singapura dan negara-negara lainnya. Krisis yang menimpa perekonomian Indonesia yang ditandai dengan terdepresiasinya mata uang domestik terhadap US Dollar yang diikuti dengan naiknya sukubunga dan inflasi secara tajam telah menimbulkan kepanikan luar biasa bagi investor di pasar saham yang ditunjukkan oleh turunnya harga saham secara drastis. Fenomena tersebut dapat dijadikan penelitian hubungan antara nilai tukar dan harga saham dengan pendekatan Error Correction Model yang mana dapat menjelaskan hubungan dinamis jangka pendek maupun jan gka panjang.Studi ini menguji dua permasalahan penelitian yang selanjutnya akan dijawab melalui pembuktian hipotesis. Pertama apakah perubahan nilai tukar mata uang domestik terhadap US Dollar memiliki efek yang terbalik ( negative effect) dengan indeks harga saham balk jangka pendek maupun jangka panjang di 4 negara di Asia yaitu Indonesia. Thailand, Filipina dan Singapura. Kedua apakah perubahan indeks harga saham akan membawa efek yang terbalik ( negative effect ) pada nilai kurs jangka pendek dan jangka panjang. Selanjutnya dari dua hipotesis tersebut dapat dijawab pula pertanyaan bahwa dari dua variabel tersebut mana yang leading terhadap lainnya.Dalam menganalisis permasalahan tersebut digunakan analisis time series untuk mengetahui hubungan intertemporal antara indeks harga saham dan exchange rate . Error Correction Model ( ECM ) dua variabel digunakan untuk melihat hubungan jangka pendek dan jangka panjang antara dua pasar tersebut. Semua series data diuji stasionerity terlebih dahulu kemudian uji kointegrasi untuk melihat adanya keseimbangan jangka panjang. Apabila kedua variabel cointegrated maka dapat dibentuk persamaan keseimbangan ECM. Data Indeks harga saham dan Exchange rate seluruhnya didapatkan dari Reuters, dengan mengambil periode penelitian 1998 sampai dengan tahun 2000. Hasil penelitian menunjukkan bahwa perubahan exchange rate 4 negara sampel penelitian memiliki efek jangka panjang yang tidak searah dengan indeks harga saham . Artinya depresiasi mata uang akan membawa efek pada penurunan indeks harga saham. Sedangkan untuk jangka pendek ada hubungan yang tidak searah juga bagi Thailand dan Singapura, sedangkan bagi Filipina hubungan searah (positif ). Bagi Indonesia ternyata uji F joint hipotesis menunjukkan tidak signifikan adanya pengaruh (causality) jangka pendek atas perubahan exchange rate terhadap indeks harga saham. Untuk jangka panjang perubahan indeks harga saham terhadap exchange rate 3 negara yaitu Indonesia. Thailand dan Singapura menunjukkan tidak signifikan, sedangkan Filipina menunjukkan pengaruh yang searah .Secara umum dapat disimpulkan bahwa exchange rate leading terhadap indeks harga saham. Hal iini dapat dipahami bahwa dengan melihat dua faktor yang mungkin dapat dijadikan alasan mengapa untuk negara emerging market exchange rate leading. Pertama size pasar valas jauh lebih besar dibandingkan pasar saham (proksinya nilai perdagangan) dan yang kedua, penentuan pricing di pasar valas lebih bersifat Internasional, sedangkan pasar saham lebih bersifat domestik."

"Saham merupakan salah satu jenis investasi dari berbagai alternatif investasi. Saham bisa untuk investasi jangka panjang maupun untuk investasi jangka pendek. Untuk investasi jangka pendek diharapkan mendapatkan profit dimana harga jual saham lebih tinggi dibandingkan harga saham ketika membeli saham tersebut. Agar investasi jangka pendek ini dapat berhasil diperlukan alat bantu yang akan memudahkan keputusan kapan harus melakukan pembelian atas suatu saham dan kapan harus melakukan penjualan atas saham tersebut. Walau telah banyak alat bantu peramalan harga saham yang bisa digunakan untuk memudahkan keputusan, namun tidak ada salahnya mencoba suatu metode peramalan baru. Dalam tulisan ini diperkenalkanlah suatu metode baru dalam peramalan harga saham, yaitu Monte Carlo Simulation. Monte Carlo Simulation telah banyak digunakan untuk melakukan analisa Capital Investment. Teknik ini menggunakan elemen probabilitas dan mensimulasikan kejadian sebenarnya. Dengan simulasi ini dapat diketahui kejadiankejadian yang mungkin terjadi. Dalam peramalan harga saham, Monte Carlo Simulation diharapkan mampu menggambarkan pergerakan harga saham. Sehingga metode ini bisa digunakan sebagai salah satu alat peramalan harga saham untuk mempermudah keputusan investasi jangka pendek."

"Pemodelan dan peramalan harga saham merupakan hal yang sangat penting bagi seorang investor. Harga saham selalu mengalami perubahan seiring berjalannya waktu. Perubahan ini tidak konstan dan sangat berdampak jika diabaikan karena hal tersebut dapat menimbulkan risiko kerugian. Banyak model yang sudah dibuat dengan tujuan untuk meminimalkan risiko kerugian tersebut. Pada penelitian ini, akan digunakan model ARIMA-GARCH untuk meramalkan volatilitas dalam harga saham. Alasan dari penggunaan gabungan kedua model tersebut adalah karena Model ARIMA saja tidak dapat menangani data dengan volatilitas besar dan yang non-linear. Maka, diharapkan bahwa penggunaan dari model gabungan ini dapat menangani masalah tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga penutupan dalam dua saham yang termasuk dari indeks LQ45. Pada penelitian ini, data tersebut akan dimasukkan kedalam model gabungan tersebut untuk mendapat peramalan di hari selanjutnya. Setelah itu, akan digunakan metode Walk Forward untuk mendapat semua hasil peramalannya. Dari hasil tersebut, didapat bahwa pengabungan dari ARIMA (1,1,1)-GARCH (1,1) memberikan perdiksi harga saham yang terbaik untuk kedua saham yang dipilih. Lalu, menggunakan hasil MAE dan RMSE dari saham, dapat disimpulkan bahwa model ARIMA-GARCH merupakan model yang dapat memprediksi harga saham dengan baik.

---

For an Investor, modelling and forecasting the stock prices are very important. Stock price fluctuate as time goes and these changes vary from one point of time to another. These changes can be really dangerous if ignored because the risk of loss it might create. Many models have been created with the purpose of minimizing the risk of loss. In this study, the ARIMA-GARCH model will be used to predict closing price in the stock prices which contain volatility. The reason for using the combination of the two models is due to ARIMA model unable to handle large volatility along with non-linear data. Thus, it is hoped the use of this combined model can solve this problem. The data that is used on this study is the closing price of 2 stocks that is part of the LQ45 index. In this research, the data will be used on the combined model to get the forecast price of the next day. Then, the rest of the forecast price will be found using a process called Walk Forward. After acquiring all the forecasted price, it is found that the combination of ARIMA (1,1,1)-GARCH (1,1) yield the best result in forecasting the stock prices. Then, by using MAE and RMSE to check the error of the results, it can be concluded that the ARIMA-GARCH model is a model that is able to predict stock prices well."

"Pemodelan dan peramalan harga saham merupakan hal yang sangat penting bagi seorang investor. Harga saham selalu mengalami perubahan seiring berjalannya waktu. Perubahan ini tidak konstan dan sangat berdampak jika diabaikan karena hal tersebut dapat menimbulkan risiko kerugian. Banyak model yang sudah dibuat dengan tujuan untuk meminimalkan risiko kerugian tersebut. Pada penelitian ini, akan digunakan model ARIMA-GARCH untuk meramalkan volatilitas dalam harga saham. Alasan dari penggunaan gabungan kedua model tersebut adalah karena Model ARIMA saja tidak dapat menangani data dengan volatilitas besar dan yang non-linear. Maka, diharapkan bahwa penggunaan dari model gabungan ini dapat menangani masalah tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga penutupan dalam dua saham yang termasuk dari indeks LQ45. Pada penelitian ini, data tersebut akan dimasukkan kedalam model gabungan tersebut untuk mendapat peramalan di hari selanjutnya. Setelah itu, akan digunakan metode Walk Forward untuk mendapat semua hasil peramalannya. Dari hasil tersebut, didapat bahwa pengabungan dari ARIMA (1,1,1)-GARCH (1,1) memberikan perdiksi harga saham yang terbaik untuk kedua saham yang dipilih. Lalu, menggunakan hasil MAE dan RMSE dari saham, dapat disimpulkan bahwa model ARIMA-GARCH merupakan model yang dapat memprediksi harga saham dengan baik.

---

For an Investor, modelling and forecasting the stock prices are very important. Stock price fluctuate as time goes and these changes vary from one point of time to another. These changes can be really dangerous if ignored because the risk of loss it might create. Many models have been created with the purpose of minimizing the risk of loss. In this study, the ARIMA-GARCH model will be used to predict closing price in the stock prices which contain volatility. The reason for using the combination of the two models is due to ARIMA model unable to handle large volatility along with non-linear data. Thus, it is hoped the use of this combined model can solve this problem. The data that is used on this study is the closing price of 2 stocks that is part of the LQ45 index. In this research, the data will be used on the combined model to get the forecast price of the next day. Then, the rest of the forecast price will be found using a process called Walk Forward. After acquiring all the forecasted price, it is found that the combination of ARIMA (1,1,1)-GARCH (1,1) yield the best result in forecasting the stock prices. Then, by using MAE and RMSE to check the error of the results, it can be concluded that the ARIMA-GARCH model is a model that is able to predict stock prices well."

"Penelitian ini bertujuan untuk mengetahui bagaimana pola hubungan antara nilai tukar rupiah terhadap dolar dengan indeks harga saham baik gabungan maupun sektoral dalam jangka panjang.Berdasarkan tujuan ini maka dilakukan analisis dengan metode kointegrasi dan granger kausalitas yang menggunakan data harian periode 2 Januari 2002 sampai dengan 30 Juni 2005. Ada tiga model yang akan diuji yaitu model l hubungan antara nilai tukar rupiah terhadap dolar dengan indeks harga saharn gabungan (IHSG), model 2 hubungan antara nilai tukar rupiah terhadap dolar dengan indeks harga saham sektor finance dan model 3 hubungan antara nilai tukar rupiah terhadap dolar dengan indeks harga saham sektor basic industry.Hasil penelitian menunjukkan bahwa variabel-variabel yang dianaJisis tidak sta:sioner pada Jevel akan tetapi stasioner pada first difference. Selanjutnya, walaupun terintegrasi pada orde yang sama tetapi ternyata kerlua variabel untuk masing-masing model tidak terkointegrasi menurut rnetode Engle Granger akan tetapi terkoin egrasi menurut metode Johansen's Coinregralion Test. Dari ketiga model yang terkointegrasi diketahui bahwa untuk nilai tukar rupiah terhadap dolar dengan indeks harga saham terdapat hubungan satu arah (cateris paribus). Hasil ini diperkuat oleh Granger Causalily Test yang menunjukkan bahwa nilai tukar rupiah terhadap dolar merupakan variabel dependen dan indeks harga saham baik gabungan maupun sektoral maupun variabel independen."