Text

Pemodelan Volatilitas Return Portofolio Saham Menggunakan Feed Forward Neural Network (Studi Kasus PT Bumi Serpong Damai Tbk dan PT H.M. Sampoerna Tbk)

---

ABSTRAK

Analisis runtun waktu merupakan analisis yang digunakan untuk meramalkan suatu data yang diamati berdasarkan waktu, salah satu nya adalah model ARIMA. Model ARIMA mengasumsikan varian residual yang konstan (homogen). Sedangkan data finansial biasanya menghasilkan model ARIMA dengan varian residual yang tidak konstan. Jika asumsi kehomogenan varian residual tersebut tidak terpenuhi, maka metode yang dapat digunakan adalah model ARCH atau GARCH. Metode lain yang dapat digunakan pada data dengan asumsi homogenitas varian residual tidak terpenuhi adalah model Neural Network. Pada penuliasan ini digunakan model Neural Network dengan peubah input varian dan residual yang diperoleh dari model ARCH/GARCH. Data yang digunakan adalah return portofolio aset BSDE dan HMSP periode 14 November 2016 sampai dengan 18 Januari 2018. Pada penelitian ini variabel input yang terpilih adalah dari model ARIMA (1,0,1) GARCH (1,1). Model Neural Network terbaik yang diperoleh adalah model Neural Network dengan 10 hidden layer dengan nilai MSE 6.38 x10-10 dengan evaluasi kinerja model yaitu MAPE testing bernilai 1.1441%.
Kata Kunci : Analisis Runtun Waktu, ARCH/GARCH, Neural Network, Return.

ABSTRACT

Time series analysis is an analysis used to predict a time-observed data, one of which is the ARIMA model. ARIMA model assumes a constant residual variance (homogeneous). While financial data usually produce ARIMA model with variance error that is not constant. If the assumption of homogeneity of the residual variance is not met, then the method that can be used is ARCH or GARCH model. Another method that can be used on the data assuming the homogeneity of the variance error is not met is the Neural Network model. In this model we use Neural Network model with variance and residual as the input variables that obtained from ARCH / GARCH model. The data used are BSDE and HMSP asset portfolio returns from November 14, 2016 to January 18, 2018. In this study the selected input variables are from ARIMA (1.0.1) GARCH (1,1) model. The best Neural Network model obtained is Neural Network model with 10 hidden layers with MSE value 6.58 x10-10 with model train evaluation which is MAPE value 1.14441%.
Keywords: Time series Analysis, ARCH / GARCH, Neural Network, Return

---

Ketersediaan

644E18III

644 E 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

644 E 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1490

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Rizki Pradipto Widyantomo

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar