Text

Pemodelan Neuro-GARCH pada Return Nilai Tukar Rupiah terhadap Dollar Amerika 511.8 ADI p

---

ABSTRAK

Kurs dapat diartikan sebagai harga suatu mata uang terhadap mata uang lainnya.
Kurs selalu berfluktuasi setiap saat. Fluktuasi yang sangat tinggi dan tidak tetap
menjadi masalah yang dihadapi dalam melakukan peramalan dimana data berubah
secara ekstrim. Sebagian besar data ekonomi mempunyai sifat heteroskedastisitas
sehingga dianalisis menggunakan model Generalized Autoregressive Conditional
Heteroskedasticity (GARCH). Model lain yang biasa digunakan sebagai alternatif
yaitu Artificial Neural Network (ANN). Namun kedua model tersebut mempunyai
kelemahan. Model ARIMA yang linier, residualnya masih memungkinkan
terdapat hubungan non-linier, sedangkan model ANN yang digunakan untuk
memodelkan hubungan non-linier ada kesulitan dalam menentukan inputnya.
Dalam penelitian ini dilakukan penggabungan dari kedua model tersebut yaitu
model Neuro-GARCH, dengan model GARCH berfungsi sebagai input dari model
ANN. Tujuan dari penelitian ini adalah untuk mengetahui model varian NeuroGARCH terbaik dari data return nilai tukar rupiah terhadap dollar Amerika. Data
yang digunakan adalah data return harian nilai tukar Rupiah (Rp) terhadap dollar
Amerika (USD) dari tanggal 27 Agustus 2012 sampai dengan 31 Maret 2016.
Dalam penelitian ini, model mean yang diperoleh adalah MA (1) dan model
variannya GARCH (1,1). Model terbaik yaitu Neuro-GARCH (2-10-1) dengan
MSE lebih kecil daripada model GARCH (1,1).
Kata Kunci: kurs, return, GARCH, Neuro-GARCH.

ABSTRACT

Exchange rate can be defined as the value of a currency against other currencies.
Exchange rates always fluctuate all the time. Very high fluctuations and
unconstant becoming problem in forecasting where the data changed extremely.
Most of economic data have heteroskedasticity characteristic analyzed using
(Generalized Autoregressive Conditional Heteroskedasticity) GARCH models.
Another model that commonly used as an alternative is Artificial Neural Network
(ANN). However, both models have weaknesses. ARIMA models are linear, but
the residual probably still contains non-linear relationship, while the ANN model
used to non-linear relationship there is difficulty in determining the input. In this
research combination of two models is Neuro-GARCH model, with GARCH
model used as input of ANN model. The purpose of this study was determined the
best variance model Neuro-GARCH of return exchange rates rupiah against US
dollar. The data used is daily return value of the rupiah (IDR) against the US
dollar (USD) from August 27th, 2012 to March 31st, 2016. In this research, the
mean model obtained is MA (1) and varian model is GARCH (1,1). The best
model is Neuro-GARCH (2-10-1) with MSE smaller than the GARCH (1,1).
Keywords: exchange rate, return, GARCH, Neuro–GARCH.

---

Ketersediaan

514E16IV

514 E 16

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

514 E 16

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1418

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Umi Sulistyorini Adi

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar