Tahap Pendugaan Parameter Tahap Evaluasi

mendeteksi pola-pola stasioner, AR dan MA pada unsur musiman dan ii mendeteksi pola-pola stasioner, AR dan MA pada unsur non musiman. Untuk menentukannya dibantu oleh alat dalam plot bergambar ACF dan PACF.

3.2.1.2. Tahap Pendugaan Parameter

Setelah berhasil menetapkan atau mengidentifikasi model sementara, tahap berikutnya adalah pendugaan parameter modal sementara tersebut. Terdapat dua cara yang mendasar yang dapat digunakan untuk menduga parameter-parameter tersebut, yaitu : 1. Dengan cara mencoba-coba trial and error yaitu dengan menguji beberapa nilai yang berbeda dan memilih di antaranya dengan syarat yang meminimumkan jumlah kuadrat nilai galat sum square of residual. 2. Perbaikan secara iteratif yaitu dengan memilih nilai taksiran awal dan kemudian membiarkan program komputer untuk memperhalus penaksiran tersebut secara iteratif Penentuan dugaan parameter ARCH-GARCH dilakukan dengan menggunakan metode kemungkinan maksimum secara iteratif dengan Algoritma Marquardt . Penggunaan bantuan program Eviews 6 dapat mengestimasi nilai- nilai parameter yang dibutukan.

3.2.1.3. Tahap Evaluasi

Setelah diperoleh persamaan untuk model tentatif, dilakukan uji diagnostik untuk menguji kedekatan model dengan data. Terdapat 6 kriteria dalam evaluasi model Box-Jenkins Gaynor, 1994, yaitu : 1. Proses iterasi harus convergence. Bila ini dapat dipenuhi maka pada session terdapat pernyataan relative change in each estimate less tan 0,0010. 2. Residual forecast error random. Untuk memastikan apakah model sudah memenuhi syarat ini dapat digunakan indikator modified Box-Pierce Statistic. Berdasarkan session diketahui bahwa nilai p-value yang lebih besar dari 0,05 menunjukkan bahwa residual sudah random atau sudah mempunyai adequate model . 3. Kondisi invertibilitas ataupun stationeritas harus terpenuhi, ditunjukan oleh koefisien AR atau MA yang kurang dari 1. 4. Parameter yang diestimasi berbeda nyata dengan nol, ditunjukkan oleh nilai p-value yang harus kurang dari 0.05. 5. Model harus parsimonius. 6. Model harus memiliki mean square error MSE yang kecil. Selain itu harus aplikasinya dapat pula dilihat dari nilai AIC dan SIC yang terkecil Apabila dalam metode ARIMA masih terdapat unsur heteroskedastisitas, maka nilai kuadrat galat dari metode ini digunakan lebih lanjut ke dalam metode ARCH-GARCH.

3.2.1.4. Tahap Pemilian Model ARCH-GARCH Terbalik