PEMODELAN RETURN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (TGARCH)

Abstract

Model ARIMA adalah salah satu pemodelan yang dapat diterapkan pada data runtun waktu. Dalam pemodelan ARIMA terdapat asumsi bahwa varian residualnya konstan. Data runtun waktu finansial khususnya return indeks harga saham gabungan biasanya memiliki kecenderungan berubah secara cepat dari waktu ke waktu dan bersifat fluktuatif sehingga varian residualnya tidak konstan atau terjadi heteroskedastisitas. Untuk mengkonstruksikan model data finansial yang bersifat heteroskedastisitas dapat digunakan model Autoregressive Conditional Heteroscedasticity (ARCH) atau Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Selain memiliki varian yang tidak konstan, data finansial umumnya menunjukkan fenomena adanya perbedaan pengaruh antara nilai error positif dan error negatif terhadap volatilitas data yang disebut efek asimetris. Oleh karena itu, pada penelitian ini digunakan salah satu model GARCH asimetris yaitu Threshold Generalized Autoregressive Conditional Heteroscedasticity (TGARCH) untuk mengatasi masalah heteroskedastisitas dan efek asimetris pada data return indeks harga saham gabungan. Data pada penelitian ini adalah data return indeks harga saham gabungan periode 2 Januari 2013 sampai 30 Oktober 2015. Hasil dari analisis ini diperoleh beberapa model TGARCH. Model ARIMA([3],0,[26])-TGARCH(1,1) merupakan model terbaik karena memiliki nilai AIC terkecil dibandingkan model lainnya. Model ini menghasilkan nilai peramalan return IHSG yang hampir sama dengan nilai aktual return pada hari yang sama.