2.12 Schwarz Info Criterion
SIC digunakan untuk menilai kualitas model dengan rumus 2.103
= log ∑ ̂
+ log . ∑ ̂ adalah residual kuadrat; adalah jumlah variabel independen; adalah
jumlah observasi. Semakin kecil angka , semakin baik modelnya. Namun nilai ini
baru dapat dibandingkan apabila ada model lain yang juga sudah dihitung -nya
Winarno, 2011: 46.
2.13 Ukuran Akurasi Peramalan
Akurasi menunjukkan seberapa dekat nilai variabel terikatendogen yang diprediksi oleh model dengan data aktual. Terdapat dua tipe ukuran akurasi yakni di
dalam sampel dan di luar sampel. Pembagian ini diperlukan mengingat bahwa kualitas prediksi regresi sangat terikat apakah struktur serta asumsi yang digunakan
ketika mengestimasi model tidak berubah pada periode prediksi.
2.13.1 Mean Absolute Prediction Error MAPE Mean Absolute Prediction Error merupakan salah satu alat ukur akurasi
proyeksi. Formula dari MAPE adalah 2.104
= 1
−
,
.
dimana adalah nilai aktual dan
,
adalah nilai proyeksi variabel terikat, adalah jumlah observasi Ariefianto, 2012: 78-79.
2.14 EVIEWS
EVIEWS merupakan perangkat lunak untuk melakukan analisis statistik dan ekonometrik. Software ini memiliki kemampuan untuk mengolah berbagai tipe data
seperti data runtun waktu, cross section dan panel data. Meskipun EVIEWS mampu mengelola berbagai tipe data, software ini dianggap memiliki kemampuan lebih
dalam hal processing data runtun waktu karena banyaknya tipe analisis yang dapat digunakan. Selain analisis standar seperti OLS, TSLS, ARMA, GMM, VAR, VECM
dan Kalman Filtering, EVIEWS juga biasa digunakan untuk membangun model.
2.15 Kerangka Berpikir
Data times series di bidang finansial seperti data IHSG biasanya bersifat sangat acak random dan memiliki volatilitas yang tinggi atau varian error tidak
konstan heteroskedastisitas Eliyawati, Hidayat, Azizah, 2011. Pada beberapa data finansial, terdapat perbedaan besarnya perubahan pada volatilitas ketika terjadi
pergerakan nilai return, yang disebut dengan pengaruh keasimetrikan. Pengaruh keasimetrikan leverage effect terjadi akibat adanya volatilitas yang sangat besar
pada pasar saham dan resiko yang besar dalam memegang suatu aset Ariefianto, 2012: 101.
Pada tahun 1982, Engle memperkenalkan model Autoregressive Conditional Heteroscedasticity ARCH. Model ARCH digunakan untuk mengatasi
keheterogenan ragam dengan memodelkan fungsi rataan dan fungsi ragam secara simultan. Bollerslev 1986 mengembangkan metodologi ARCH dalam bentuk yang
lebih umum yang dikenal sebagai Generalized ARCH GARCH. Model GARCH memiliki karakteristik respon volatilitas yang simetris terhadap guncangan. Dengan
kata lain, sepanjang intensitasnya sama maka respon volatilitas terhadap suatu guncangan adalah sama, baik guncangan positif good news maupun negatif bad
news. Dalam model ini, varians kondisional tidak hanya dipengaruhi oleh residual yang lampau tetapi juga oleh lag varians kondisional itu sendiri.
Pengembangan model GARCH yang selanjutnya mengakomodasi kemungkinan adanya respon volatilitas yang asimetris. Dari literatur teori keuangan
dikatakan bahwa respon dalam artian gejolak pasar lebih besar ketika news yang datang adalah bersifat negatif daripada positif. Terdapat dua teknik pemodelan respon
GARCH asimetris, yakni model Threshold GARCH TGARCH oleh Glosten, Jagannathan dan Runkle 1993 dan Exponential GARCH EGARCH dari Nelson
1991. Pada penelitian ini digunakan model Threshold GARCH TGARCH dan
Exponential GARCH EGARCH untuk analisis data IHSG. Dari kedua model tersebut dipilih model terbaik untuk meramalkan IHSG. Konsep kerangka berpikir
dapat dilihat pada Gambar 2.1.
Gambar 2.1 Konsep Kerangka Berpikir Data Indeks Harga Saham Gabungan
Pemilihan model yang terbaik Analisis data menggunakan model Threshold
GARCH dan Exponential GARCH
Hasil peramalan IHSG dengan model terbaik
57
BAB III
METODE PENELITIAN
Metode penelitian merupakan suatu cara yang digunakan untuk menyelesaikan masalah. Dengan metode penelitian, data yang diperoleh semakin
lengkap sehingga pelaksanaan penelitian dapat dipertanggungjawabkan secara ilmiah. Pada penelitian ini, prosedur atau langkah-langkah yang digunakan adalah
sebagai berikut.
3.1 Merumuskan Masalah