Pemodelan Nilai Saham Perusahaan Pertambangan di Indonesia Berdasarkan Metode Generalized Autoregressive Conditional Heteroscedasticity (GARCH)

Ayuning Dwis Cahyasari (1), Sediono Sediono (2), Elly Ana (3), M. Fariz Fadillah Mardianto (4), Elly Pusporani (5), Siti Maghfirotul Ulyah (6)
(1) Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia, Indonesia,
(2) Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia, Indonesia,
(3) Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia, Indonesia,
(4) Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia, Indonesia,
(5) Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia, Indonesia,
(6) Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia, Indonesia

Abstract

Indonesia masih menghadapi tantangan untuk mewujudkan Sustainable Development Goals (SDGs). Salah satunya, upaya dalam mendukung pertumbuhan ekonomi yang inklusif dan berkelanjutan. Peranan pasar modal dianggap penting dalam pembangunan perekonomian sebagai media investasi sehingga dapat memperkuat posisi keuangan pada Industri khususnya dalam negeri. Untuk mewujudkan tujuan dan cita - cita Indonesia perlu diadakan pengoptimalan kegiatan sektor yang bergerak pada bidang pertambangan salah satunya pada saham PT. X yang merupakan salah satu perusahaan pertambangan. Pergerakan naik turun saham dikenal dengan volatilitas harga saham. Volatilitas disebabkan karena kondisi data yang bersifat heteroskedastisitas yang berarti variansi dari residual dapat berubah - ubah  dan tergantung waktu. Saham yang mengalami penurunan secara drastis dapat mempengaruhi kualitas kerja. Salah satu solusi untuk mengatasi permasalahan heteroskedastisitas tersebut adalah dengan menggunakan pendekatan analisis Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Berdasarkan hasil diagnostic checking, didapatkan model GARCH (2,1) yang merupakan model GARCH terbaik, dan didapatkan nilai MAPE sebesar 15,5195% yang termasuk ke dalam kategori prediksi baik. Prediksi dari hasil model terbaik dapat menjadi rekomendasi dan evaluasi bagi pemerintah juga bagi para pelaku kegiatan ekonomi untuk mempersiapkan perencanaan ekonomi yang lebih baik dalam rangka mencapai target memperbaiki ekonomi nasional.

Full text article

Generated from XML file

References

Akıncı, M., & Akıncı, G. Y. (2021). Modelling the Volatility Spillovers Among Energy Stock Returns in Developed, Developing and Fragile Economies Using EGARCH Analysis. In Strategic Approaches to Energy Management (pp. 103-125).

Andreas, C., Sediono, S., Ana, E., Suliyanto, S., & Mardianto, M. F. F. (2021). Penerapan Model ARIMAX-GARCH dalam Pemodelan dan Peramalan Volume Transaksi Uang Elektronik di Indonesia. MUST: Journal of Mathematics Education, Science and Technology, 6(2), 241-256.

De Myttenaere, A., Golden, B., Le Grand, B., & Rossi, F. (2016). Mean absolute percentage error for regression models. Neurocomputing, 192, 38-48.

Khair, U., Fahmi, H., Al Hakim, S., & Rahim, R. (2017). Forecasting error calculation with mean absolute deviation and mean absolute percentage error. In Journal of Physics: Conference Series 930(1), 012002. IOP Publishing.

Maricar M.A, (2019). Analisa Perbandingan Nilai Akurasi Moving Average dan Exponential Smoothing untuk Sistem Peramalan Pendapatan pada Perusahaan XYZ, J. Sist. Dan Inform., 13(2), 36–45.

Montgomery D. C., Jennings C. L., Kulahci M. (2008). Introduction to Time Series Analysis and Forecasting, New Jersey (US): J Wiley.

Muklis, F. (2016). Perkembangan dan Tantangan Pasar Modal Indonesian, Jurnal Lembaga Keuangan dan Perbankan, 1 (1), 65-75.

Obstfeld, M. (2021). The global capital market reconsidered. Oxford Review of Economic Policy, 37(4), 690-706.

Otoritas Jasa Keuangan. (2021). ojk.go.id. Siaran Pers: Pasar Modal Indonesia Menguat Dorong Pemulihan Ekonomi. https://www.ojk.go.id/id/berita-dan-kegiatan/siaran-pers/Pages/Pasar -Modal - Indonesia - Menguat - Dorong- Pemulihan - Ekonomi.aspx. Diakses pada tanggal 9 Oktober 2022.

Pramugar, R. N., & Sinaga, R. Y. (2021). E-Government in Optimizing Non-Tax Revenue of The Mining Sector in Indonesia. Jaf (Journal of Accounting and Finance), 5(1), 36-44.

Prasetya, L. B., Ispriyanti, D., dan Prahutama, A. (2018). Estimasi Value at Risk Portofolio Saham Menggunakan Metode GARCH-Copula (Studi Kasus: Harga Penutupan Saham Harian Unilever Indonesia dan Kimia Farma Periode 1 Januari 2013-31 Desember 2016). Jurnal Gaussian, 7(4), 397-407.

Rosadi, D. (2014). Analisis Runtun Waktu dan Aplikasinya dengan R, Gadjah Mada University Press, Yogyakarta.

Setiawan, B., Ben Abdallah, M., Fekete-Farkas, M., Nathan, R. J., & Zeman, Z. (2021). GARCH (1, 1) models and analysis of stock market turmoil during COVID-19 outbreak in an emerging and developed economy. Journal of Risk and Financial Management, 14(12), 576.

Tsaym R.S. (2005). Analysis of Financial Time Series. United States: John Wiley & Sns, Inc.

Ulyah, S. M., & Mardianto, M. F. F. (2019). Comparing the Performance of Seasonal ARIMAX Model and Nonparametric Regression Model in Predicting Claim Reserve of Education Insurance. In Journal of Physics: Conference Series (Vol. 1397, No. 1, p. 012074). IOP Publishing.

Wei, W. W. S. (2006). Time series Analysis Univariate and Multivariate Methods, Temple Unversity, USA.

Authors

Ayuning Dwis Cahyasari
Sediono Sediono
sediono101@gmail.com (Primary Contact)
Elly Ana
M. Fariz Fadillah Mardianto
Elly Pusporani
Siti Maghfirotul Ulyah
Author Biographies

Ayuning Dwis Cahyasari, Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia

epartemen Matematika, Fakultas Sains dan
Teknologi, Universitas Airlangga, Surabaya, Indonesia

Sediono Sediono, Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia

Departemen Matematika, Fakultas Sains dan
Teknologi, Universitas Airlangga, Surabaya, Indonesia

Elly Ana, Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia

Departemen Matematika, Fakultas Sains dan
Teknologi, Universitas Airlangga, Surabaya, Indonesia

M. Fariz Fadillah Mardianto, Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia

Departemen Matematika, Fakultas Sains dan
Teknologi, Universitas Airlangga, Surabaya, Indonesia

Elly Pusporani, Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia

Departemen Matematika, Fakultas Sains dan
Teknologi, Universitas Airlangga, Surabaya, Indonesia

Siti Maghfirotul Ulyah, Program Studi Statistika, Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya, Indonesia

Departemen Matematika, Fakultas Sains dan
Teknologi, Universitas Airlangga, Surabaya, Indonesia

Cahyasari, A. D., Sediono, S., Ana, E., Mardianto, M. F. F., Pusporani, E., & Ulyah, S. M. (2023). Pemodelan Nilai Saham Perusahaan Pertambangan di Indonesia Berdasarkan Metode Generalized Autoregressive Conditional Heteroscedasticity (GARCH). MUST: Journal of Mathematics Education, Science and Technology, 8(1), 1–12. https://doi.org/10.30651/must.v8i1.17117

Article Details

Most read articles by the same author(s)

Similar Articles

<< < 5 6 7 8 9 10 11 > >> 

You may also start an advanced similarity search for this article.