Skripsi

Penerapan model generalized autoregressive conditional heteroskedatic (GARCH) pada peramalan data return saham PT. Siloam Hospital TBK / Su\'aibatul Aslamiah

Abstrak
Hal utama yang harus dipenuhi dalam peramalan ARIMA yaitu asumsi homokedastisitas. Nilai return merupakan jenis data yang variansnya bersifat heteroskedastik. Model yang dapat digunakan suntuk mengatasi masalah heteroskedastisitas salah satunya adalah Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Penelitian ini dimaksudkan untuk memodelkan data return PT.Siloam International Hospital Tbk dari tanggal 08 Februari sampai 28 Oktober 2019 dan meramalkan data return PT.Siloam International Hospital Tbk pada model terbaik yang diperoleh dari model GARCH. Berdasarkan nilai SIC terkecil diperoleh model terbaik yaitu model ARIMA(1 0 0)-GARCH(1 1) dengan nilai SIC sebesar 12.29320. Sehingga model ARIMA(1 0 0)-GARCH(1 1) yaitu model terbaik yang digunakan untuk meramalkan data return PT.Siloam International Hospital Tbk dengan hasil ramalan data return untuk 29 Oktober 2019 sebesar 81 untuk 30 Oktober 2019 sebesar 36 untuk 31 Oktober 2019 sebesar 4.

Informasi Detail

DDC

Rs 519.536 ASL p

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2020.

Deskripsi Fisik

xiv, 66 lembar.; ill.; tab.; 30 cm

Bahasa

Indonesia

No Reg

00299/KI/21

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2020

Subjek

1. SAHAM - MODEL PERAMALAN
2. SHARES - FORECASTING MODEL

Pembimbing

1. Swasono Rahardjo

Lampiran Berkas