Penerapan Model Arfima-Garch Menggunakan Variasi Estimasi Parameter Pembeda D Pada Data Long Memory

Abstract

Emas menjadi salah satu aset keuangan bagi negara dan menjadi komponen cadangan moneter global untuk perdagangan dan perlindungan ketika menghadapi krisis keuangan secara tiba-tiba. Beberapa data ekonomi sering mengalami ketergantungan atau dependensi jangka panjang (long memory). Salah satu model yang mampu mengatasi masalah tersebut adalah model Autotegressive Fractionally Integrated Moving Average (ARFIMA). Ada beberapa metode yang digunakan untuk menentukan estimasi parameter pembeda d yaitu metode Geweke and Porter Hudak dan metode Rescaled Range Statistics (R/S). Pada beberapa tipe data runtun waktu terkadang mengalami pengelompokan volatilitas (residual tidak konstan). Metode yang dapat digunakan untuk mengatasi masalah tersebut adalah metode Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Tujuan dari penelitian ini adalah untuk memodelkan harga emas antam produksi PT. Aneka Tambang menggunakan metode ARFIMA-GARCH serta membandingkan metode estimasi parameter pembeda d terbaik dari model tersebut. Hasil penelitian ini menunjukan model terbaik dilihat dari nilai AIC untuk dgph = 0, 105 adalah ARFIMA(1,d,1)-GARCH(1,1) dan model terbaik untuk dR/S = 0, 288 adalah ARFIMA(1,d,1)-GARCH(1,1). Tingkat akurasi peramalan didasarkan pada nilai MAPE. Nilai error validasi model ARFIMA-GARCH dengan dgph = 0, 105 adalah MAPE=3,474%, sedangkan model ARFIMA-GARCH dengan dR/S = 0, 288 adalah MAPE=3,444%.