Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Kubik Indonesian Journal on Computing (Indo-JC) KUBIK: Jurnal Publikasi Ilmiah Matematika eProceedings of Engineering
Cipta Rahmadayanti
Telkom University
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Model Autoregressive dengan Pendekatan Conditional Maximum Likelihood Untuk Prediksi Harga Saham Cipta Rahmadayanti; Hasbi Rabbani; Aniq Atiqi Rohmawati
KUBIK Vol 3, No 1 (2018): KUBIK : Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v3i1.2731

Abstract

Jual beli saham merupakan salah satu bentuk investasi yang menjanjikan para investor, investasi berkaitan dengan return atau keuntungan yang didapatkan oleh suatu investor atas suatu investasi yang dilakukan terhadap saham tertentu. Untuk mendapatkan nilai return pada beberapa periode kedepan dapat dilakukan prediksi, pada dasarnya prediksi dapat dilakukan dengan menggunakan beberapa metode, namun dengan menggunakan model time series diharapkan menghasilkan prediksi yang baik karna karakteristik dari data saham merupakan data time series yang bergerak kontinu terhadap waktu. Pada penelitian ini digunakan model time series Autoregressive (AR) dengan pendekatan Conditional Maximum Likelihood untuk memprediksi nilai return serta dapat melihat pergerakan harga saham. Nilai parameter yang penting pada model Autoregressive orde 1 adalah . Hasil penaksiran parameter dengan Conditional Maximum Likelihood digunakan untuk memperoleh nilai hasil prediksi. Berdasarkan hasil analisis,  model Autoregressive dengan pendekatan Conditional Maximum Likelihood adalah model yang baik untuk memprediksi return dan harga saham NASDAQ dengan RMSE sebesar 0,0002578. Berdasarkan hasil prediksi model AR(1), maka para investor dapat membuat strategi untuk berinvestasi pada indek saham NASDAQ agar dapat menghasilkan keuntungan.
Model GARCH dengan Pendekatan Conditional Maximum Likelihood untuk Prediksi Harga Saham Cipta Rahmadayanti; Hasbi Rabbani; Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 3 No. 2 (2018): September, 2018
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2018.3.2.223

Abstract

Jual beli saham merupakan salah satu bentuk investasi yang menjanjikan para investor, investasi berkaitan dengan return atau keuntungan yang didapatkan oleh suatu investor atas suatu investasi yang dilakukan terhadap saham tertentu. Untuk mendapatkan nilai return pada beberapa periode kedepan dapat dilakukan prediksi, pada dasarnya prediksi dapat dilakukan dengan menggunakan beberapa metode, namun dengan menggunakan model time series diharapkan menghasilkan prediksi yang baik karna karakteristik dari data saham merupakan data time series yang bergerak kontinu terhadap waktu. Pada penelitian ini digunakan model time series Autoregressive (AR) dengan pendekatan Conditional Maximum Likelihood untuk memprediksi nilai return serta dapat melihat pergerakan harga saham. Nilai parameter yang penting pada model Autoregressive orde 1 adalah . Hasil penaksiran parameter dengan Conditional Maximum Likelihood digunakan untuk memperoleh nilai hasil prediksi. Berdasarkan hasil analisis,  model Autoregressive dengan pendekatan Conditional Maximum Likelihood adalah model yang baik untuk memprediksi return dan harga saham NASDAQ dengan RMSE sebesar 0,0002578. Berdasarkan hasil prediksi model AR(1), maka para investor dapat membuat strategi untuk berinvestasi pada indek saham NASDAQ agar dapat menghasilkan keuntungan.
Model Autoregressive dengan Pendekatan Conditional Maximum Likelihood Untuk Prediksi Harga Saham Cipta Rahmadayanti; Hasbi Rabbani; Aniq Atiqi Rohmawati
KUBIK Vol 3, No 1 (2018): KUBIK : Jurnal Publikasi Ilmiah Matematika
Publisher : Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/kubik.v3i1.2731

Abstract

Jual beli saham merupakan salah satu bentuk investasi yang menjanjikan para investor, investasi berkaitan dengan return atau keuntungan yang didapatkan oleh suatu investor atas suatu investasi yang dilakukan terhadap saham tertentu. Untuk mendapatkan nilai return pada beberapa periode kedepan dapat dilakukan prediksi, pada dasarnya prediksi dapat dilakukan dengan menggunakan beberapa metode, namun dengan menggunakan model time series diharapkan menghasilkan prediksi yang baik karna karakteristik dari data saham merupakan data time series yang bergerak kontinu terhadap waktu. Pada penelitian ini digunakan model time series Autoregressive (AR) dengan pendekatan Conditional Maximum Likelihood untuk memprediksi nilai return serta dapat melihat pergerakan harga saham. Nilai parameter yang penting pada model Autoregressive orde 1 adalah . Hasil penaksiran parameter dengan Conditional Maximum Likelihood digunakan untuk memperoleh nilai hasil prediksi. Berdasarkan hasil analisis,  model Autoregressive dengan pendekatan Conditional Maximum Likelihood adalah model yang baik untuk memprediksi return dan harga saham NASDAQ dengan RMSE sebesar 0,0002578. Berdasarkan hasil prediksi model AR(1), maka para investor dapat membuat strategi untuk berinvestasi pada indek saham NASDAQ agar dapat menghasilkan keuntungan.
Prediksi Value-at-risk Dengan Efek Autoregressive Conditional Heteroskedasticity (arch) Cipta Rahmadayanti; Rian Febrian Umbara; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Investor yang menginvestasikan dana pada saham mengharapkan nilai return yang tinggi dan risiko yang sekecil mungkin, namun setiap investasi yang dilakukan tidak dapat memprediksi dengan mudah seberapa besar nilai risiko yang akan didapat. Untuk mendapatkan nilai risiko dari suatu saham dapat menggunakan metode Value-at-Risk (VaR). Penentuan nilai VaR ini dapat menggunakan time series, oleh karena itu pada Tugas Akhir ini digunakan model Autoregressive (AR) dan Generealized Autoregressive Conditional Heteroskedasticity (GARCH) untuk menentukan nilai VaR pada dua indeks saham yang berdistribusi normal. Setiap data saham memiliki perbedaan volatilitas atau pergerakan harga saham, maka sebelum membahas model time series dan perhitungan VaR, data indeks saham dilakukan pengujian dengan uji efek ARCH. Agar mendapatkan hasil yang relevan maka dilakukan perhitungan akurasi kedua model time series tersebut menggunakan VaR violation dan dibandingkan untuk mendapatkan model time series yang baik. Berdasarkan hasil analisis, model time series yang baik digunakan untuk memprediksi VaR pada saham NASDAQ adalah model GARCH(1,1) dengan jumlahan tingkat error sebesar 26, dan untuk saham NYSE model time series yang baik untuk memprediksi VaR adalah model AR(1) dengan jumlahan tingkat error sebesar 30. Kata kunci : VaR, AR, GARCH, Uji efek ARCH, VaR violation. Abstract Investors who invest funds in stock expect a high return value and the lowest risk possible, but every investments can not predict the value risk with easily. To obtain the risk value of a stock can use Value-at-Risk (VaR) method. The determination of the VaR can use time series model, therefore in this final project used Autoregressive (AR) and Generealized Autoregressive Conditional Heteroskedasticity (GARCH) to determine VaR on two stock indexes which have normal distribution. Each stock data has different volatility or movement of stock price, then before discuss about time series model and VaR calculation, stock index data is tested by ARCH effect test. In order to obtain a relevant results, both time series model are calculated the accuracy using VaR violation and compared to get a good time series model. Based on the result of the analysis, time series model which is GARCH(1,1) of normal distributuon have better result with the total error rate of 26 to predict VaR for stock index NASDAQ, and for stock index NYSE a good time series model to predict VaR is AR(1) with the total error rate of 30. Keywords: VaR, AR, GARCH, ARCH effect test, VaR violation
Co-Authors Aniq Atiqi Rohmawati Hasbi Rabbani Rian Febrian Umbara