Pemodelan data deret waktu menggunakan Mixture Autoregressive [MAR] penerapan pada Data Harga Saham JCI dan Harga Minyak Dunia
| Main Author: | NurLailatulFitriyah |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2009
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/152070/1/050901444.pdf http://repository.ub.ac.id/152070/ |
Daftar Isi:
- Model deret waktu ARIMA yang digunakan untuk memodelkan data di bidang ekonomi mungkin masih menghasilkan ragam yang tidak homogen (heteroskedastisitas). Salah satu model deret waktu yang dapat memodelkan karakteristik data heteroskedastik dan multimodal adalah model Mixture Autoregressive . MAR ( ) 1 2 2; p , p dapat memodelkan data deret waktu dengan memecah model tersebut menjadi dua komponen model AR yang berdistribusi normal, yaitu model AR berorde 1 p dan 2 p dengan proporsi tertentu pada masing – masing komponen. Pendugaan parameter model MAR dilakukan dengan pendekatan algoritma Expectation Maximization (EM). Tujuan dari penelitian ini adalah untuk membuat model MAR ( ) 1 2 2; p , p pada data deret waktu dan meramalkan lima periode ke depan data deret waktu tersebut. Data yang digunakan dalam penelitian ini adalah data sekunder tentang harga saham harian, Jakarta Composite Index (JCI), yang tercatat di Jakarta Stock Exchange (JSX) mulai 2 Januari 2006 sampai dengan 30 Desember 2008 dan data mingguan Harga Minyak Dunia (USD/Barrel) mulai 3 Januari 1997 sampai dengan 9 Januari 2009. Hasil analisis menunjukkan bahwa data harga saham JCI diperoleh model MAR (2;0,1) dan hasil ramalan menunjukkan bahwa data JCI selama lima periode ke depan mengalami kenaikan. Sedangkan pada data harga minyak dunia didapatkan model MAR(2;4,4) yang tidak signifikan.