4.1.1.2 Membentuk Persamaan Autoregresi Sebagai Model Awal
Persamaan autoregresi yang diperoleh untuk data Indeks Harga Saham Gabungan adalah model yang paling baik secara statistik. Diperoleh bahwa model terbaik
adalah model ARIMA 0,1,1 berbentuk .
4.1.1.3 Pengujian Heteroskedastisitas atau Efek ARCH pada Residual
Setelah memperoleh model terbaik maka langkah selanjutnya adalah melihat apakah terdapat efek ARCH atau heteroskedastisitas pada residual model tersebut.
Dengan menggunakan uji ARCH-LM yang terdapat pada program Eviews 8 Lampiran 3.c diketahui bahwa nilai F sebesar 9,284775
sebesar 5,991 sehingga mengindikasikan adanya heteroskedastisitas pada residual. Hal ini
sejalan dengan probabilitasnya yang berada jauh di bawah derajat kepercayaan 0,05. Hipotesis nol bahwa pada residual terdapat efek ARCH diterima. Dengan
demikian model GARCH dapat langsung digunakan tanpa menghilangkan heteroskedastisitas pada model.
4.1.1.4 Estimasi Parameter Model GARCH
Setelah diketahui bahwa model GARCH dapat diterapkan, maka langkah selanjutnya adalah mengestimasi parameter model dengan menggunakan
Maximum Likelihood Method yang terdapat pada Eviews 8. Dari beberapa orde model GARCH akan diseleksi untuk dilihat model mana yang paling baik dilihat
dari nilai AIC dan SIC terkecil yang terdapat pada tabel berikut:
Tabel 4.1 Tabel Nilai AIC dan SIC Variabel
GARCH 1,1 GARCH 1,2
GARCH 2,2 AIC
10,81556 10,82558
10,82897 SIC
10,67220 10,89015
10,90646
Hasil pada tabel menunjukkan bahwa nilai AIC dan SIC dari model GARCH untuk beberapa orde tidak terlalu berbeda. Tetapi di antara ketiga model
tersebut model GARCH 1,1 memiliki nilai AIC dan SIC yang paling kecil. Disimpulkan bahwa GARCH 1,1 adalah model terbaik sehingga akan digunakan
dalam peramalan IHSG pada penelitian ini. Dengan menggunakan Maximum Likelihood Method yang telah tersedia pada program Eviews 8 Lampiran 3.d
estimasi parameter model GARCH 1,1 dari model pendahuluan ARIMA 0,1,1 sebagai berikut:
4.1.1.5 Uji Kelayakan Model