Text
Peramalan Indeks Harga Saham Gabungan dengan Metode Logistic Smooth Transition Autoregressive (LSTAR)
ABSTRAK
Model Smooth Transition Autoregressive (STAR) merupakan salah satu model runtun waktu yang dapat digunakan pada kasus data yang memiliki kecenderungan nonlinier. STAR adalah perluasan dari model Autoregressive (AR) dan dapat digunakan jika uji nonlinieritasnya terpenuhi. Jika fungsi transisi G(st,γ,c) adalah logistik maka model yang digunakan adalah Logistic Smooth Transition Autoregressive (LSTAR). Data IHSG mingguan periode 3 Januari 2010 sampai 24 Desember 2017 cenderung nonlinier dan memiliki fungsi transisi logistik sehingga bisa dimodelkan dengan LSTAR. Hasil yang diperoleh dari penelitian dengan taraf signifikansi 5% yaitu model LSTAR(1,1). Ramalan data IHSG untuk 15 periode berikutnya memiliki nilai Mean Absolute Percentage Error (MAPE) sebesar 5,801193%.
Kata kunci : autoregressive, LSTAR, nonlinier, runtun waktu
ABSTRACT
Smooth Transition Autoregressive (STAR) Model is one of time series model used in the case of data that has nonlinear tendency. STAR is an expansion of Autoregressive (AR) model and can be used if the nonlinear test is accepted. If the transition function G(st,γ,c) is logistic, the Logistic Smooth Transition Autoregressive (LSTAR) be the appropriate model. The weekly of IHSG data in period of 3 January 2010 until 24 December 2017 has nonlinier tend and logistic transition function so it can be modeled by using LSTAR. The LSTAR(1,1) is the suitable model with significance level of 5%. The forecast of IHSG data for the next 15 periods has Mean Absolute Percentage Error (MAPE) 5,801193%.
Keywords : autoregressive, LSTAR, nonlinear, time series
653E18III | 653 E 18 | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain