creators_name: NAOMI , CHRISTIA META SIMAMORA
creators_id: 2057031012
type: other
datestamp: 2025-02-20 09:17:34
lastmod: 2025-02-20 09:17:34
metadata_visibility: show
title: IMPLEMENTASI METODE ARIMA-GARCH DALAM PERAMALAN

DATA SAHAM BRI
ispublished: pub
subjects: 500
subjects: 510
full_text_status: restricted
abstract: Fluktuasi volatilitas dan varians yang tidak stabil pada data keuangan
mengakibatkan kesulitan dalam menghasilkan prediksi harga saham yang
konsisten dan andal. Hal ini menuntut pengembangan model yang mampu
menangani sifat data yang tidak stasioner. Metode ARIMA digunakan untuk
menangani kestasioneran data time series, sedangkan GARCH diterapkan untuk
mengatasi masalah heteroskedastisitas, yaitu varians residual yang tidak konstan
dalam data. Penelitian ini bertujuan untuk mengimplementasikan metode
ARIMA-GARCH dalam peramalan data saham, khususnya saham Bank Rakyat
Indonesia (BRI) dari 3 Januari 2022 hingga 3 Januari 2024. Dalam penelitian ini,
model ARIMA (11,1,2)- GARCH (3,1) ditemukan sebagai model terbaik dengan
nilai MAPE 0,09815 yang menunjukkan bahwa peramalannya sangat akurat. Hasil
peramalan yang berlangsung dari 4 Januari 2024 - 31 Januari 2024 menunjukkan
bahwa prediksi model ini mendekati nilai aktual dengan penyimpangan yang
minimal, menunjukkan bahwa metode ARIMA-GARCH dapat diandalkan dalam
memprediksi volatilitas pasar saham.

Kata Kunci : ARIMA-GARCH, Peramalan, Heteroskedastisitas, Volatilitas, BRI

The fluctuation of volatile and unstable variance in financial data leads to
difficulties in producing consistent and reliable stock price predictions. This
demands the development of models capable of handling the non-stationary nature
of data. The ARIMA method is used to address the stationarity of time series data,
while GARCH is applied to resolve the issue of heteroskedasticity, which is the
non-constant variance of residuals in the data. This study aims to implement the
ARIMA-GARCH method in forecasting stock data, specifically for Bank Rakyat
Indonesia (BRI) shares from January

2022 to January

2024. In this study,
the ARIMA (11,1,2)-GARCH (3,1) model was found to be the best model with a
MAPE value of 0.09815, indicating that the forecast is highly accurate. The
forecast results from January

2024 to January 2024, show that the
model's predictions are close to the actual values with minimal deviations,
demonstrating that the ARIMA-GARCH method is reliable for predicting stock
market volatility.

Keywords : ARIMA-GARCH, Forecasting, Heteroskedasticity, Volatility, BRI
date: 2024-10-15
date_type: published
publisher: FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
place_of_pub: UNIVERSITAS LAMPUNG
citation:   NAOMI , CHRISTIA META SIMAMORA  (2024) IMPLEMENTASI METODE ARIMA-GARCH DALAM PERAMALAN DATA SAHAM BRI.  FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.     
document_url: http://digilib.unila.ac.id/84766/1/1.%20ABSTRAK-ABSTRACT%20-%20Naomi%20Christia%20Simamora.pdf
document_url: http://digilib.unila.ac.id/84766/2/2.%20SKRIPSI%20FULL%20-%20Naomi%20Christia%20Simamora.pdf
document_url: http://digilib.unila.ac.id/84766/3/3.%20SKRIPSI%20TANPA%20BAB%20PEMBAHASAN%20-%20Naomi%20Christia%20Simamora.pdf