Analisis data runtun waktu bertujuan untuk memprediksi data runtunwaktu beberapa periode ke depan berdasarkan data dimasa lalu. GeneralizedAutoregressive Conditional Heteroscedasticity (GARCH) adalah salah satupendekatan untuk memodelkan runtun waktu dengan kondisi error bervariasi menurutwaktu (heteroscedasticity). Metode ini diperkenalkan pertama kali oleh Bollerslevyang merupakan generalisasi dari proses Autoregressive ConditionalHeteroscedasticity (ARCH). GARCH dianggap memberikan hasil yang lebihsederhana karena menggunakan lebih sedikit parameter sehingga mengurangi tingkatkesalahan dalam perhitungan.Kata kunci: Peramalan, data runtun waktu, ARCH/GARCH
Copyrights © 2015