Agi Khoerunnisa
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Prosiding Seminar Nasional Unimus

Metode Markov Switching Autoregressive (MSAR) untuk Peramalan Indeks Saham Syariah Indonesia (ISSI) Agi Khoerunnisa; Indah Manfaati Nur; Prizka Rismawati Arum
Prosiding Seminar Nasional Unimus Vol 5 (2022): Inovasi Riset dan Pengabdian Masyarakat Guna Menunjang Pencapaian Sustainable Developm
Publisher : Universitas Muhammadiyah Semarang

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

Abstract

Model Markov Switching Autoregressive (MSAR) adalah salah satu model deret waktu nonlinier yang memodelkan data deret waktu yang mengalami perubahan fluktuasi yang terjadi pada data. Indeks Saham Syariah Indonesia (ISSI) merupakan indeks saham syariah yang beranggotakan seluruh saham syariah. Data yang digunakan adalah data bulanan harga penutupan Indeks Saham Syariah Indonesia (ISSI) periode Juni 2011 sampai Mei 2022 yang bersumber dari Bursa Efek Indonesia (BEI). Pemodelan MSAR diperoleh sebanyak 10 model yang dibagi menjadi 2 yaitu model dengan 2 state dan model dengan 3 state. Selain itu, Model MSAR mempunyai variabel state dan nilai peluang matriks transisi yang dihitung dengan menggunakan metode Maximum Likelihood estimation (MLE). Estimasi parameter dilakukan pada seluruh model dan nilai Bayesian Information Criterion (BIC) minimum menyatakan model terbaik. Adapun model MSAR terbaik yang didapatkan adalah model MS(2)AR(2) dengan nilai BIC sebesar -395,8. Model dan hasil peramalan diperoleh kondisi state 1 (peningkatan) dan state 2 (penurunan). Analisis hasil peramalan untuk 12 bulan ke depan bahwa data Indeks Saham Syariah Indonesia pada pertengahan tahun 2022 mengalami trend naik dan fluktuasi pada awal tahun 2023. Keakuratan hasil peramalan dihitung dengan Mean AbsolutePercentence Error (MAPE) yang diperoleh sebesar 23% yang berarti kriteria hasil peramalan cukup baik.Kata Kunci : BIC, ISSI, MLE, MSAR