Javascript must be enabled to continue!
Peramalan Harga Komoditas Dengan Menggunakan Metode Arima-Garch
View through CrossRef
Emas, Tembaga dan Minyak merupakan jenis komoditas yang banyak diincar oleh para investor untuk menanamkan modal dengan cara melakukan investasi pada jenis komoditas tersebut. Prediksi harga komoditas sangat bermanfaat bagi investor untuk melihat prospek investasi komoditas pada suatu perusahaan di masa yang akan datang. Harga komoditas memiliki karakteristik data yang tidak stabil atau sering disebut volatilitas. Untuk mengatasi permasalahan tersebut, dilakukan peramalan dengan metode ARIMA dan ARIMA-GARCH. Dipilih dua metode tersebut karena dua metode ini cocok untuk meramalkan sesuatu yang memiliki data history yang kuat. Metode ARIMA ARCH-GARCH lebih cocok digunakan untuk data-data yang memliki volatilitas yang tinggi atau terdapat heteroskedastisitas pada residual data, sehingga hasil prediksi lebih akurat. Hal ini dibuktikan dengan nilai AIC lebih kecil dari pada hanya menggunakan metode ARIMA. Model terbaik untuk komoditas Emas adalah ARIMA(0,1,1) – GARCH(1,1) sedangkan komoditas tembaga memiliki model terbaik yaitu ARIMA(2,1,2) – GARCH(1,1) dan komoditas minyak yaitu ARIMA(1,1,1) – GARCH(0,1). Nilai MAPE (Mean Absolute Percentage Error) untuk masing-masing komoditas berturut-turut adalah 1,113; 0,542 dan 1,158 untuk Emas, Tembaga dan Minyak.
Title: Peramalan Harga Komoditas Dengan Menggunakan Metode Arima-Garch
Description:
Emas, Tembaga dan Minyak merupakan jenis komoditas yang banyak diincar oleh para investor untuk menanamkan modal dengan cara melakukan investasi pada jenis komoditas tersebut.
Prediksi harga komoditas sangat bermanfaat bagi investor untuk melihat prospek investasi komoditas pada suatu perusahaan di masa yang akan datang.
Harga komoditas memiliki karakteristik data yang tidak stabil atau sering disebut volatilitas.
Untuk mengatasi permasalahan tersebut, dilakukan peramalan dengan metode ARIMA dan ARIMA-GARCH.
Dipilih dua metode tersebut karena dua metode ini cocok untuk meramalkan sesuatu yang memiliki data history yang kuat.
Metode ARIMA ARCH-GARCH lebih cocok digunakan untuk data-data yang memliki volatilitas yang tinggi atau terdapat heteroskedastisitas pada residual data, sehingga hasil prediksi lebih akurat.
Hal ini dibuktikan dengan nilai AIC lebih kecil dari pada hanya menggunakan metode ARIMA.
Model terbaik untuk komoditas Emas adalah ARIMA(0,1,1) – GARCH(1,1) sedangkan komoditas tembaga memiliki model terbaik yaitu ARIMA(2,1,2) – GARCH(1,1) dan komoditas minyak yaitu ARIMA(1,1,1) – GARCH(0,1).
Nilai MAPE (Mean Absolute Percentage Error) untuk masing-masing komoditas berturut-turut adalah 1,113; 0,542 dan 1,158 untuk Emas, Tembaga dan Minyak.
Related Results
Peramalan Harga Cabai Merah Indonesia: Pendekatan ARIMA
Peramalan Harga Cabai Merah Indonesia: Pendekatan ARIMA
ABSTRAK
Cabai merah ini juga menjadi salah satu komoditas penyumbang inflasi karena fluktuasi harganya yang bersifat musiman. Fluktuasi harga tersebut akan berpengaruh terhadap ef...
Peramalan Harga Saham BBRI Menggunakan Metode Hybrid ARIMA-SVR
Peramalan Harga Saham BBRI Menggunakan Metode Hybrid ARIMA-SVR
Abstract. PT Bank Rakyat Indonesia (BBRI) is one of the most popular investment instruments, but it has high stock price volatility due to global and domestic economic factors. Thi...
Peramalan Volatilitas Risiko Berinvestasi Saham Menggunakan Metode GARCH–M dan ARIMAX–GARCH
Peramalan Volatilitas Risiko Berinvestasi Saham Menggunakan Metode GARCH–M dan ARIMAX–GARCH
Model GARCH–M merupakan pengembangan model GARCH yang dimasukkan variansi bersyarat ke dalam persamaan mean. Model ARIMAX–GARCH merupakan penggabungan model ARIMAX dan GARCH. Kedua...
Pemodelan ARIMA Intervensi Untuk Meramalkan Harga Minyak Mentah Dunia
Pemodelan ARIMA Intervensi Untuk Meramalkan Harga Minyak Mentah Dunia
Harga minyak mentah dunia mengalami penurunan yang sangat signifikan karena adanya suatu intervensi, yaitu pandemi COVID-19. Peramalan harga minyak mentah dunia penting dilakukan u...
PENERAPAN MODEL HYBRID ARIMA-GARCH DALAM PERAMALAN JUMLAH WISATAWAN DOMESTIK KE BALI
PENERAPAN MODEL HYBRID ARIMA-GARCH DALAM PERAMALAN JUMLAH WISATAWAN DOMESTIK KE BALI
Pariwisata merupakan sektor strategis dalam perekonomian Bali. Namun, ketergantungan tinggi terhadap wisatawan mancanegara menyebabkan kerentanan saat krisis, seperti pandemi Covid...
Peramalan Jumlah Penumpang Kereta Api Menggunakan Metode Arima dan Grey System Theory
Peramalan Jumlah Penumpang Kereta Api Menggunakan Metode Arima dan Grey System Theory
Abstract. Quantitative forecasting methods are divided into three types, its time series methods, causal methods, and combination methods of time series and causal methods (Makrida...
Forecasting the exchange rate of Nigerian Naira to United State’ Dollar using ARIMA-GARCH Model
Forecasting the exchange rate of Nigerian Naira to United State’ Dollar using ARIMA-GARCH Model
In order to model and forecast exchange rates in both developed and emerging countries, majority of time series analysts have employed various technical and fundamental approaches,...
FORECAST ACCURACIES OF HYBRID OF BILINEAR AND EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE MODELS WITH GARCH MODELS
FORECAST ACCURACIES OF HYBRID OF BILINEAR AND EXPONENTIAL SMOOTH TRANSITION AUTOREGRESSIVE MODELS WITH GARCH MODELS
The study looks at the forecast accuracies of GARCH and Bilinear models on the one hand, and hybrids of Bilnear with GARCH (BL-GARCH) and ESTAR with GARCH (ESTAR-GARCH) models on t...

