commit to user
sebagai kriteria pemilihan model, sebagai alternatif atau pelengkap perbandingan dalam sampel in-sampel dari model yang berbeda Van Dijk, 1999. Ukuran
yang digunakan untuk evaluasi hasil peramalan adalah 1.
Mean Squared Error MSE
∑
=
− =
n t
t t
P P
r MSE
1 2
ˆ 1
dengan
t
P :data asli kurs thai bath terhadap rupiah periode ke-t,
t
Pˆ : ramalan kurs thai bath terhadap rupiah periode ke-t, r : jumlah ramalan.
2. Mean Absolute Percentage Error MAPE
∑
=
× ⎟⎟⎠
⎞ ⎜⎜⎝
⎛ − =
n t
t t
t
P P
P r
MAPE
1
100 ˆ
1 .
Model dengan MSE dan atau MAPE yang lebih kecil memiliki hasil peramalan yang lebih baik Van Dijk, 1999.
2.2 Kerangka Pemikiran
Banyak kasus runtun waktu seperti runtun waktu finansial dan perekonomian suatu negara, termasuk kurs mempunyai kecenderungan nonlinear
sehingga diperlukan suatu uji nonlinearitas. Jika asumsi nonlinear dipenuhi maka kurang sesuai jika digunakan model linear konvensional. Oleh karena itu,
diperlukan model baru yang nonlinear terhadap runtun waktu tersebut. Pada penelitian ini, akan digunakan model STAR sebagai salah satu alternatif model
nonlinear untuk diterapkan pada runtun waktu kurs thai bath terhadap rupiah guna mencari model dan ramalan yang paling tepat untuk satu periode selanjutnya.
commit to user
BAB III METODE PENELITIAN
Metode yang digunakan dalam penelitian ini adalah studi kasus. Data yang digunakan dalam penelitian ini adalah data sekunder berupa data runtun waktu
kurs thai bath terhadap rupiah dalam frekuensi harian dari 1 Januari 2005 sampai 9 Juli 2010. Data periode 1 Januari 2005 sampai 9 April 2010 sebanyak 1285
observasi sebagai in-sample dan data selanjutnya sebanyak 63 observasi sebagai out-of-sample. Analisis data dilakukan dengan bantuan software Eviews.
Langkah-langkah yang ditempuh untuk mencapai tujuan penelitian ini adalah
1. Memodelkan data dengan proses AR.
a. Membuat plot runtun waktu untuk data asli menggunakan data in-sample
untuk melihat pola data dan stasioneritasnya. b.
Data yang belum stasioner diubah ke dalam bentuk log-return untuk menstasionerkan data terhadap rata-rata.
c. Menentukan model ARp yang sesuai berdasarkan plot ACF dan PACF.
d. Melakukan estimasi parameter ARp.
e. Melakukan uji autokorelasi residu model AR yang diperoleh. Orde model
AR yang terbentuk akan digunakan dalam pengujian nonlinearitas pada model STAR.
2. Memodelkan data dengan STAR.
a. Memeriksa kelinearan data.
b. Jika data terbukti nonlinear, maka dipilih variabel transisi dan bentuk
fungsi transisi yang tepat. c.
Melakukan estimasi parameter model STAR. 3.
Melakukan pemeriksaan diagnostik tehadap model STAR yang terbentuk dan evaluasi berdasarkan nilai AIC dan standar deviasinya.
4. Modifikasi model jika diperlukan.
5. Menentukan ramalan untuk satu periode berikutnya.
6. Evaluasi peramalan berdasarkan nilai MSE dan MAPE.
