title: APLIKASI MODEL GENERALIZED  AUTOREGRESSIVE CONDITIONAL HETEROSCHEDASTICITY (GARCH)  UNTUK MENENTUKAN VALUE AT RISK  PADA ANALISIS RESIKO INVESTASI
creator: ROHIMATUL ANWAR,  1217031058
subject: Q Science (General)
subject: QA Mathematics
description: Tujuan dari penelitian ini adalah untuk memperoleh model time series  terbaikyaitu Model Generalized Autoregressive Conditional Heteroschedasticity  (GARCH), untuk meramalkan volatilitas, dan untuk menentukan Value at risk  pada Data Indeks Harga Saham Gabungan (IHSG) periode Januari 2011 hingga  Februari 2016. Didalam data time series, terkadang didapat variansi yang tidak  konstan atau heteroschedasticity. Salah satu model untuk menyelesaikan kondisi  ini adalah model GARCH. Model GARCH dapat digunakan untuk meramalkan  volatilitas. Berdasarkan perhitungan Value at Risk, model GARCH dapat  digunakan untuk mengestimasi risiko investasi. Berdasarkan hasil analisis,  diperoleh bahwa model terbaik adalah ARMA (2,2), GARCH (1,1) dan besarnya  Value at Risk pada tingkat kepercayaan 95% pada satu periode kedepan, dengan  mengakarkan hasil dari ramalan variansinya diperoleh peramalan volatilitas  sebesar 0,011943077. Jika seorang investor mengalokasikan dana sebesar  Rp100.000.000,00 untuk berinvestasi maka terdapat 5% peluang terjadinya  kerugian yang melebihi Rp1.966.458,00 selama 24 jam kedepan.  Kata kunci : Heteroskedasitas, Volatilitas, Value at Risk    ABSTRACT    The aim of this study were to find the best time series model, namely Generalized  Autoregressive Conditional Heteroschedasticity (GARCH) model, to avaluate the  forecast of volatility, and to determine the Value at Risk data Price Composite  Index From January 2011 to February 2016. In time series data, sometimes the  behaviour of variance of the time series data are not constant or  heteroschedasticity. One of the models to deal with this tipe of problem, we can  use GARCH model. GARCH model can be used to forecast volatility. Based on  the Value At Risk, GARCH model can be used to estimate the invesment risk.  Based on the analysis, it was found that the best model is ARMA (2,2), GARCH  (1,1) and at the level confidence interval 95% the Value at Risk on one future  period with multiplying the result of the variance for forecasting volatility it was  found that 0,011943077. If an investment give allocated funds of  Rp100.000.000,00 to invest as a result there was a 5% chance of occurrence of  losses in excess of Rp1.966.458,00 during the next 24 hours.  Keywords: Heteroschedasticity, Volatility, Value at Risk
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
date: 2016-08-26
type: Skripsi
type: NonPeerReviewed
format: text
identifier: http://digilib.unila.ac.id/24073/1/ABSTRAK%20%28ABSTRACT%29.pdf
format: text
identifier: http://digilib.unila.ac.id/24073/2/SKRIPSI%20FULL.pdf
format: text
identifier: http://digilib.unila.ac.id/24073/3/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf
identifier:   ROHIMATUL ANWAR, 1217031058  (2016) APLIKASI MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCHEDASTICITY (GARCH) UNTUK MENENTUKAN VALUE AT RISK PADA ANALISIS RESIKO INVESTASI.  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
relation: http://digilib.unila.ac.id/24073/