seminar hasil tugas akhir 28 juni 2013 - digilib.its.ac.id · trend yang sama. model univariate...

Silvia Roshita Dewi-1309100109Pembimbing : Drs. Agus Suharsono, M.S

Co-Pembimbing : Dr. Suhartono, M. ScJurusan StatistikaFakultas Matematika dan Ilmu Pengetahuan AlamInstitut Teknologi Sepuluh Nopember

Seminar Hasil Tugas Akhir28 Juni 2013

PENDAHULUAN

LANDASAN TEORI

METODOLOGI PENELITIAN

HASIL ANALISA DAN PEMBAHASAN

KESIMPULAN DAN SARAN

DAFTAR ISI

IHSG

DJI

FTSE100

HSI

N225

STI

Pasar Modal Saham Perekonomian Negara

Risk Taker

Non Risk taker

Harga Saham

Fluktuatif

Sell

BuyHold

Latar Belakang | Rumusan Masalah | Tujuan | Manfaat | Batasan Masalah


1 Yulanda, 2006

IHSG dengan fungsi tranfers

2 Sadeq, 2008

IHSG dengan ARIMA

3 Alifatrroodliyah, 2011

IHSG dengan neural network

4 Setyawan, 2012

IHSG dengan VAR, yang melibatkan kurs dan harga minyak dunia

IHSG dengan Indeks Harga Saham Dunia dengan menggunakan

ARIMA dan VARSilvia, 2012

• Bagaimana mendapatkan model univariate dan multivariate time series untuk kasus harga saham di Indonesia dan harga saham di dunia?

• Bagaimana keterkaitan harga saham di Indonesia dengan harga saham-saham di dunia serta peramalan kedepannya?

• Bagaimana perbandingan akurasi prediksi pada model univariate dan multivariate time series?


• Mendapatkan model univariate dan multivariate time series harga saham di Indonesia dan harga saham di dunia

• Menjelaskan keterkaitan harga saham di Indonesia dengan harga saham-saham di dunia serta peramalan kedepannya.

• Membandingkan model univariate dan multivariate time series .


Didapatkan model yang menjelaskanketerkaitan harga saham di Indonesiadengan harga saham-saham di dunia.Model tersebut dapat digunakanuntuk meramalkan harga sahamkedepannya sehingga dapatdigunakan para pelaku pasar untukmelakukan tindakan yang tepatberkaitan dengan perdagangansaham serta menambah pengetahuandalam penerapan model time seriesunivariate dan multivariate dalambidang ekonomi dan bidang lainnya.



IHSG

DJI

FTSE100

HSI

N225

STIBatasan masalah pada penelitian ini adalah pada penggunaandata harian saham periode tahun 2012 pada data saham IndeksHarga Saham Gabungan (IHSG) Indonesia, Dow Jones IndustrialAverage (DJIA), Indeks FTSE 100 London, Indeks Hang SengHongkong, Indeks Nikkei 225 Jepang, dan Straits Times Index(STI) Singapura.

ARIMA | VAR | Uji Kebaikan Model | IHSG

Model ARIMA

Wei,2006


Prosedur Box JenkinsIdentifikasi Model

Estimasi Parameter

Uji Diagnostik

Pemilihan Model Terbaik

Asumsi kenormalan

Asumsi White Noise

In Sample

Out Sample

SBC, AIC, AICc

MAPE, RMSE, SMAPE


ACF

PACF

Wei, 2006


Estimasi Parameter denganLeast Square :

Uji White Noise

Hipotesis :

Statistik Uji :

residual tidak memenuhi asumsi white noise.

K = maksimum lagp = orde ARq = orde MA

Wei, 2006

ARIMA | VAR | IHSG | Uji Kebaikan Model

Uji Kenormalan (Kolmogorov Smirnov)

Daniel, 1989


Model VAR

Orde 1

Orde p

Operator Back-shift B

Wei, 2006


MACF

MPACF


In sample

Out sample

http://www.finance.yahoo.com/

1,tY

2,tY

3,tY

4,tY

5,tY

6,tY

Indeks Harga Saham Gabungan (IHSG) tahun 2012

Indeks Dow Jones Industrial Average (DJI) tahun 2012

Indeks FTSE 100 London (FTSE100) tahun 2012

Indeks Hang Seng Hongkong (HSI) tahun 2012

Indeks Nikkei 225 (N225) Jepang tahun 2012

Indeks Straits Times (STI) Singapura tahun 2012IHSG

DJI

FTSE100

HSI

N225

STI

Sumber Data | Metode | Langkah-langkah

http://www.finance.yahoo.com/

Univariate Time Series

Multivariate Time Series

Autoregressive Integrated Moving Average (ARIMA)

Vector Autoregression (VAR)



Melakukan identifikasi modelMelakukan penaksiran

parameterMelakukan pemeriksaan dan

pengujian residual Mendapatkan model terbaikMeramal dan membandingkan

model univariate dan multivariate time series.

Melakukan identifikasi modelMelakukan penaksiran parameter

Penaksiran parameterMelakukan pemeriksaan dan

pengujian residualMendapatkan model terbaikMeramal dan membandingkan

model univariate dan multivariate time series.

UNIVARIATE TIME SERIES MULTIVARIATE TIME SERIES

Keterkaitan harga saham antar negara

Statistika Deskriptif | ARIMA | VAR | Perbandingan ARIMA dan VAR


Korelasi

Time Series Plot



Area Graph

Identifikasi Model

Box Cox Transformation of

IHSG

Box-Cox Transformation of DJI, FTSE100, HSI, N225, dan STI



Identifikasi Model


*after differencing

cut off pada lag 8


Identifikasi Model


Estimasi Parameter

P-value > alpha

Miu tidak Signifikan

Estimasi Parameter


Signifikan

Cek Diagnosa


normal

normal

Cek Diagnosa


normal

Cek Diagnosa


normal

normal

Pemilihan Model Terbaik


sMAPE N225

3,507047

sMAPE HSI0,28402

Model Univariate Time SeriesIHSG

DJI

FTSE100

HSI N225

STI


Identifikasi ModelSchematic Representation of Partial Autoregression

Variable/Lag 1 2 3 4 5 6 7 8 9 10 11 12 13

ihsg .+.... ...... .+-... ...... ...... ...... ...... ...... ...... ...... ...... ...... ......dji ...... .....+ ..-... ...... .-.... -..... +..... ...... ...-.+ ...... ...... ...... ......ftse100 ...... ...... .+-... ...... .-.... ...... ...... ...... ...-.. ...... ...... ...... ......hsi -+.... ...... .+-... ...... .-.... ...... ...... ...... ...... ...... ...... ...... ......n225 .+.... ...... ...... ...... .-.... .-.... ...... ...... ...... ...... ...... .-.... ......sti .+.... ...... .+.... ...... ...... ...-.+ ...... ...... ...... ...... ...... ...... ......

Variable/Lag 14 15 16 17 18 19 20 21 22 23 24 25 26

ihsg ...... ...... ...... ...... ...... -..... ...... ...... ...... ...... ...... ...... ......dji ...... ...... ...... ....+. ...... ...... ...... ...... .....+ ...... ...... ...... ......ftse100 ...... .....+ ...... ..+... ...... ...... ...... ...... .....+ ...... ...... ...... ......hsi ...... ..-... ...... ...... ...... ...... ...... ...... ...... ...... ...... ...... ......n225 ...... ....+. ...... ...... ...... ...... ...... ...... ...... ...... ...... ...... ......sti ...... ...... ...... ...... ...... ...... ...+.. ...... ...... ...... ...... ...... ......

+ is > 2*std error, - is < -2*std error, . is between

MPACF



Identifikasi Model

AIC terkecil pada AR(1)

Estimasi Parameter


Matriks Koefisien Model VARIMA (1,1,0)

Estimasi Parameter


Parameter pada variabel DJI tidak ada yang signifikan

Cek Diagnosa Residual


AIC residual terkecil pada AR(0)

White noise

Cek Diagnosa Residual

t lebih dari 50%, yakni sebesar 52%. Residual data berdistribusi multivariat normal.


Persamaan ModelIHSG


DJI

FTSE100

HSI

N225

STI

Wrong Model

Persamaan ModelIHSG


DJI

FTSE100

HSI

N225

STI

Right Model


Persamaan Model Multivariate Time Series

• Pola harga saham pada beberapa negara yakni Indeks Harga Saham Gabungan (IHSG) Indonesia, Dow Jones Industrial Average(DJI) Amerika, FTSE100 London, Hang Seng Index (HSI) Hongkong, Nikkei 225 (N225) Jepang, dan Strait Times Index (STI) Singapura membentuk trend yang sama. Model univariate time series menggunakan metode Autoregressive Integrated Moving Average (ARIMA), serta pada beberapa variabel menggunakan model ARIMA yang disertai deteksi outlier. Model yang diperoleh pada variabel IHSG, HSI, N225, dan STI adalah ARIMA dengan differencing 1. Namun pada HSI dan N225 model ARIMA yang digunakan adalah model ARIMA yang sudah random walk. Sedangkan pada variabel DJI dan FTSE100 menggunakan model ARIMAX. Pada model multivariate time series menggunakan model Vector Autoregression. Model yang ditemukan adalah model VAR dengan differencing satu.

Kesimpulan | Saran

Kesimpulan | Saran

• Hasil pemodelan multivariate time series data harga saham gabungan pada enam variabel dapat menunjukkan keterkaitan antara satu variabel dengan variabel lainnya. Melalui persamaan model VAR diketahui bahwa Indeks Harga Saham Gabungan Indonesia dipengaruhi oleh indeks harga saham Amerika dan Jepang. Sedangkan indeks harga saham Amerika tidak dipengaruhi oleh indeks harga saham manapun, namun indeks harga saham Amerika ini mempengaruhi semua indeks harga saham yang lain. Indeks harga saham London dipengaruhi oleh indeks harga saham Amerika saja, begitu pula dengan indeks harga saham Jepang dan Singapura. Sedangkan indeks harga saham Hongkong selain dipengaruhi oleh indeks harga saham Amerika, juga dipengaruhi oleh indeks harga saham Indonesia.

Kesimpulan | Saran

• Nilai sMAPE yang diperoleh dari semua metode menunjukkan angka yang relatif kecil. Hal ini menandakan bahwa semua model yang didapatkan sangat baik. Diantara model univariate danmultivariate time series ternyata menghasilkan nilai sMAPE yang tidak terlampau jauh. Berdasarkan pengamatan yang telah dilakukan dapat dilihat perbandingan nilai sMAPE yang dihasilkan pada kedua model time series. Pada variabel IHSG dan DJI memiliki nilai sMAPE yang lebih kecil ketika menggunakan model peramalan multivariate time series. Namun pada keempat variabel lainnya, nilai sMAPE yeng lebih kecil didapatkan ketika menggunakan model peramalan univariate time series.

Kesimpulan | Saran

• Untuk penelitian selanjutnya disarankan agar peneliti melibatkan faktor lain yang menentukan pergerakan harga saham, diantaranya seperti regulasi pemerintah, gejolak politik dalam negeri, fluktuasi nilai tukar rupiah, dan sebagainya, sebab pada penelitian ini belum melibatkan prediktor.

Anogara, P. (2001). Pengantar Pasar Modal. Jakarta: PT Rineka Cipta.Aliffaturroodliyah. (2011). Pemodelan Indeks Nikkei 225, Hang Seng, dan Kospi dengan pendekatan fungsi transfer dan

back propagation neural network. Tugas Akhir Statistika ITS. Surabaya.Azizah, N. (2006). Analisis Peramalan Indeks Harga Saham Kospi dengan menggunakan Metode Intervensi. Tugas Akhir

Statistika ITS. Surabaya.Bowerman, B.L. dan O’Connell,D. (1993). Forecasting and Time Series : An Applied Approach, 3rd edition. California :

Duxbury Press.Daniel, W.W., (1989). Statistika Nonparametrik Terapan. Jakarta : PT. Gramedia.Gooijer, J.G.D. , & Hyndman, R. J. (2006). 25 Years of Time Series Forecasting. International Journal of Forecasting, 22,

443-473.Hasbullah, J. (2012). Tangguh dengan Statistik. Bandung: Nuansa Cendikia.Makridakis, S., & Hibon, M. (2000). The M3-Competition: Results, Conclusions and Implications. International Journal of

Forcasting, 16, 451-476.Robert. (1997). Buku Pintar: Pasar Modal Indonesia, First edition Mediasoft Indonesia.Setiawan, D.O. (2012). Pemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan

Pendekatan Vector Autoregressive. Tugas Akhir mahasiswa ITS. Surabaya.Tsay, R.S. (2002). Analysis of Financial Time Series: Financial Econometrics. University of Chicago: John Wiley & Sons,

Inc.Wei, W.W.S. 2006. Time Series Analysis Univariate and Multivariate Method. Canada : Addison Wesley Publishing

Company, Inc.Widoatmojo, S. (1996). Pasar Modal Indonesia: Pengantar dan Studi Kasus. Penerbit Ghalia Indonesia.Wutsqa, D. U. (2008). Model Feedforward Neural Network untuk Data Time Series Multivariat. Disertasi Universitas Gajah

Mada Yogyakarta.Yulanda, L. (2006). Model Fungsi transfer dengan dua peubah bebas. Tugas Akhir Statistika IPB. Bogor.

IHSG

DJI

FTSE100

HSI

N225

STIA good forecaster is not smarter thaneveryone else, he merely has his ignorance

better organised.

[email protected]

@SilviaRDewi

+6285735163735

mailto:[email protected]

Silvia Roshita Dewi-1309100109Pembimbing : Drs. Agus Suharsono, M.S

Co-Pembimbing : Dr. Suhartono, M. ScJurusan StatistikaFakultas Matematika dan Ilmu Pengetahuan AlamInstitut Teknologi Sepuluh Nopember

Seminar Hasil Tugas Akhir28 Juni 2013

ADDITIONIHSG

DJI

FTSE100

HSI

N225

STI

seminar hasil tugas akhir 28 juni 2013 - digilib.its.ac.id · trend yang sama. model univariate...

Documents