PEMODELAN KURS MATA UANG RUPIAH TERHADAP DOLLAR AMERIKA MENGGUNAKAN METODE GARCH ASIMETRIS - Diponegoro University | Institutional Repository (UNDIP-IR)

PEMODELAN KURS MATA UANG RUPIAH TERHADAP

DOLLAR AMERIKA MENGGUNAKAN

METODE GARCH ASIMETRIS

SKRIPSI

Disusun Oleh :

ULFAH SULISTYOWATI

24010210120052

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

i

PEMODELAN KURS MATA UANG RUPIAH TERHADAP

DOLLAR AMERIKA MENGGUNAKAN

METODE GARCH ASIMETRI

Oleh :

ULFAH SULISTYOWATI

24010210120052

Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar

Sarjana Sains pada Jurusan Statistika FSM UNDIP

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

iv

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah

memberikan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan

Tugas Akhir yang berjudul Pemodelan Kurs Mata Uang Rupiah terhadap Dollar

Amerika Menggunakan Metode GARCH Asimetris .

Tugas Akhir ini disusun sebagai salah satu syarat untuk memperoleh

gelar Sarjana pada Jurusan Statistika Universitas Diponegoro. Tanpa bantuan dan

dukungan dari berbagai pihak, penulis tidak akan mampu menyelesaikan Tugas

Akhir ini. Penulis menyampaikan terimakasih kepada :

1. Ibu Dra. Dwi Ispriyanti, M.Si selaku Ketua Jurusan Statistika Fakultas Sains

dan Matematika Universitas Diponegoro.

2. Bapak Drs.Tarno,M.Sidan Bapak Abdul Hoyyi, S.Si, M.Si selaku Dosen

Pembimbing I dan Dosen Pembimbing II yang telah memberikan bimbingan

dan pengarahan dalam penulisan Tugas Akhir ini.

3. Bapak dan Ibu dosen Jurusan Statistika Universitas Diponegoro yang telah

memberikan ilmu yang bermanfaat.

4. Semua pihak yang tidak dapat disebutkan satu per satu yang telah

mendukung penulis dalam menyelesaikan Tugas Akhir ini.

Penulis berharap Tugas Akhir ini bermanfaat bagi civitas akademika di

Universitas Diponegoro khususnya Jurusan Statistika dan masyarakat umumnya.

Semarang, Oktober 2014

BSTRAK

y

y

I

D

I

y

y

D

y

y

y

I

G

CH

D

G

CH

Eksponential

G

CH

(EGARCH),

Treshold

GARCH (TGARCH) dan

Autoregressive Power

ARCH (APARCH).

Pemodelan kurs rupiah terhadap Dollar menggunakan ketiga tipe model GARCH

Asimetris tersebut menghasilkan model terbaik, yaitu ARIMA ([4,5],1,[4,5])

APARCH (2,1). Dengan menggunakan model tersebut diperoleh hasil peramalan

untuk volatilitas bahwa peramalan volatilitas menurun dari sebelumnya tapi masih

berada pada nilai volatilitas yang tinggi.

ABSTRACT

!"#$ %& '(%$)*!+& '* , '-!+"%'!'.%+('-& /!

I

!0 '! "* $*& / "%) (( "!%

y

"

xchange rate. In Indonesia,the exchange rate of the rupiah against the dollar is

always become an attention of society. To monitor the movement needed a

mathematical model that can be used to forecast the rupiah exchange rate to the

dollar. Data rupiah exchange rate against the dollar is a financial time series data

has a non-constant volatility. One model that is often used for the prediction of

these data is ARIMA-GARCH. In this study discussed about modeling the data

rate of the rupiah against the dollar using asymmetric GARCH, such as

exponential GARCH (EGARCH), Threshold GARCH (TGARCH) and

Autoregressive Power ARCH (APARCH). Modeling the exchange rate against the

dollar using all three types of the Asymmetric GARCH models produce the best

models, the ARIMA ([4.5], 1, [4,5]) - APARCH (2,1). With the results obtained

using the model for volatility forecasting that volatility decreased from the

previous forecast but still be at its high volatility.

122 3 4 56 478 9 8

:;

l

;

m

;

n

:< =<><?@AB A =CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 2 :< =<><?D E ?FEG< : <?CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 2 2 H <I <D E ? F< ?I<JCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 22 2 <KG I J <H CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 2

v

<KG I J <LI CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

v

B <

F

I <JMGMCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 12 B <

F

I <JF<>K<JCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 2

x

B <

F

I <JI< KE =CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

x

B <

F

I <J=< >DMJ < ? CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

x

222 B <

F

I <JGM> KN=CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

x

2

v

K< KM CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCD E ?B<: A=A < ?

OCOC=;

t

;

r

KP

l

;

k

;

n

Q CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC O OCRCJST;

um

n

>;T;

l

;U CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

V OCVCK;

t

;

s

;

n

>;T;

l

;U CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC V OCWCIS XS;

n

CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC V K< KMM CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC IM?@< A< ?D AG I <H<

RCOCEYZ[Z\ P

tr

2Y; CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC W RCRC<[;

l

2T2

s

J

untun

];

ktu

CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

bc cc

defegegehijk

l

lmn op qr p qs t

v

q

(

u v

)

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee w defegedehijk

l

Moving Average

(

h u

)

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee x defegeyehijk

l

uvhu eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee x defegefehijk

l

uv zh u eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g { defede| k

m

ijk

l

}

n

v

untun

~ }

ktu



ox

€k‚c

ns

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gg defedegezj k

nt

cƒc ‚}„ chijk

l

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gg defedede…

j

c

Augmented Dickey Fuller

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gd defedeye† „‡ c

m

}„ c|}

r

}

m

k

t

k

r

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gd defedefeˆ kc ƒc‚} „c

r

h ijk

l

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gd de‰e…

j

cuvŠ ‹ Œheeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gf deeh ijk

l

u vŠ‹eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g‰ deŽeh ijk

l

uvŠ ‹eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g deŽege u vŠ‹c

m

k

tr

c

s

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g deŽede u vŠ‹u „ c

m

k

tr

c

s

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g w de we…

j

c†ƒk

k

u „ c

m

k

tr

c

s

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee df de xeˆk

r

c ƒc ‚}„ chijk

l

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d‰ deg {e| k

r

}

m

}

l

}

n

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee dŽ degge‘c

l

} c’“‚}

r

h}

t

}… } ”

(

•

urs)

eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d w deggege| k”k

rt

c}

n

‘c} c

l

’“‚}

r

h}

t

}… }

n

” eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d w deggede‘c

l

} c’“‚}

r

v“ –c}— eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d w u zzzeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeh†’˜™ ˜Œ˜z|†‘† Œ z’zu‘

x

É Ê ËÌ ÊÍÎ ÊÏ

BA

Í

ÐÑ

l

Ñ

m

Ñ

n

ÒÑ

m

ÓÑ

r

ÔÕÖ× Ñ Ø

r

Ñ

m

Ù

l

×

r

Ú ÛÜØ

ol

Ñ ÝÑ

n

ÖÑÑ

t

ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÞß ÒÑ

m

ÓÑ

r

ßÕ Ú

lot

à ×

m

Ûá Û

r

×Û

s

ÖÑ

t

Ñ â

urs

ãäå×Ñ ÝàÛ

r

ÝÑ æÑ

p

Ö

oll

Ñ

r

Ù

m

Û

r

×çÑ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÞè ÒÑ

m

ÓÑ

r

ÞÕÒ

r

Ñé ×

k

Ú Û

r

Ñ

m

ÑÑ

l

n

ãÛê × æäÑ

l

ëì ×

tt

󾾄

n

Ùí

t

äÑ

l

ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕîî ÒÑ

m

ÓÑ

r

èÕÒ

r

Ñé×

k vol

Ñ

t

×

l

×

t

Ñ

s

â

urs

ïÑÑ

t

ð Ñ

n

Øãäå×ÑÝàÛ

r

ÝÑ æÑ

p

Ö

oll

Ñ

r

Ù

m

Û

r

×çÑ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕîñ ÒÑ

m

ÓÑ

r

îÕÒ

r

Ñé ×

k

Ú Û

r

Ñ

m

Ñ

l

Ñ

n

ò

ol

Ñ

t

×

l

×

t

Ñ

s

ßóåÛ

r

×ô æ ÛêÛ

l

ÑÑ

njutny

ÕÕÕÕÕÕÕÕÕÕÕÕÕÕîñ

ÉÊËÌ Ê ÍÌ Ê

B

õ ö

x

" "

#$%&

l

'()* "

l

$ "+,& -". "&

n

/$

n

0,%$% "

r

l

"$

t

s

1,/&

l

23 412

(

5 67897'75 89

)

2 0 23 :;

(

'7<

)

)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))6 = #$%&

l

'>)* "

l

$ "+,& -". "&

n

/$

n

0,%$% "

r

l

"$

t

s

1,/&

l

23412

(

56789 7'75 89

)

2 0 23 :;

(

<7'

)

)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))6 = #$%&

l

'?)* "

l

$ "+,& -". "&

n

/$

n

0,%$% "

r

l

"$

t

s

1,/&

l

23412

(

56789 7'75 89

)

2 0 23 :;

(

<7<

)

)))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))))6 = #$%&

l

' =)* "

l

$ "0

r

,%$% "

l

"

t

$

s

@$/$A

j

" BC "

t

&* , ". & )))))))))))))))))))))))))))))))))))8' #$%&

l

<D)0&

r

%$ E/ "

n

F$

n

* "

l

$ "24:/ $

n

G4: ))))))))))))))))))))))))))))))))))))))))))))))8 H #$%&

l

<');$."

l

@&

r

$

m

$

l

$

n untuk

<DC$

r

"I&/&@$

n

)))))))))))))))))))))))))))))))))))86

JKLMK NOK P QRNKS

x

W WW

XY

rt

Z

n

[[Z

l

\]^

ov

Y_Y

m

r

`]\] a]bY

pt

Y

m

_Y

r

`] \ accccccccccccccccccccccccccccc d\ eZ

m

f W

r

Z

n

` cg

j

Whi Z

r

g

n

W

t

Augmented Dickey-Fuller

j Z

t

ZkY

turn

l

urs

kmf WZn

t

Y

r

n Zo Z

p

jZ

oll

r

h

m

Y

r

Wi Z cccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc dp eZ

m

f W

r

Z

n

a cq

orr

Y

lo

[rZ

m

j Z

t

Zl

urs

kmf W ZnsY

r

nZo Z

p

jZ

oll

r

h

m

Y

r

Wi Z ccccccccccccc dp eZ

m

f W

r

Z

n

pc tusW

m

ZuWvZ

r

ZY

m

t

Y

r

wxoY

l

hk yw hjZ

t

ZkY

turn

l

urs

kmf WZn

t

Y

r

n Zo Z

p

j

oll

Z

r

h

ustr

Z

l

WZ ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc dz eZ

m

f W

r

Z

n

zcg

j

W

Lagrange Multiplier

jZ

t

Z l

urs

kmf WZnY

t

r

n Zo Z

p

j

oll

Z

r

h

m

Y

r

Wi Z

p

Zo Zw xoY

l

hk yw h cccccccccccccccccccccccccccccccccccccccccccc {\ eZ

m

f W

r

Z

n

dct usW

m

ZuWvZ

r

ZY

m

t

Y

r

wxoY

l

hk yw h |h kq}jZ

t

Zl

urs

kmf W Zn

XY

r

n ZoZ

p

j

oll

Z

r

hY

m

r

W

k

Z cccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc {` eZ

m

f W

r

Z

n

{cg

j

W huW

m

Y

tr

W u w xoY

l

hk ywh~| h kq}j Z

t

Z l

ur

u kmf W Zn

t

Y

r

n Zo Z

p

j

oll

Z

r

h

ustr

Z

l

WZ ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc {p eZ

m

f W

r

Z

n

 ctusW

m

ZuWvZ

r

Z

m

Y

t

Y

r

wxoY

l

|h kq}huW

m

Y

tr

W

s

j Z

t

Zl

urs

k

up

WZn

XY

r

n ZoZ

p

j

oll

Z

r

h

ustr

Z

l

WZ ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc { eZ

m

f W

r

Z

n

€cg

j

W yoYY

p

n

oYuWwxoY

l

| h kq}huW

m

Y

tr

W

s

ccccccccccccccccccccccccccccccccccc  ` eZ

m

f W

r

Z

n

\] c g

j

W^

orm

ZW

l

t

Z

s

kYu Wom Z

l

|h kq} huW

m

Y

tr

W

s

cccccccccccccccccccccccccc  ` eZ

m

f W

r

Z

n

\\ ctusW

m

ZuWwxoY

l

Overfitting

o Z

n

Underfitting

ccccccccccccccccccccccccccccccc  a eZ

m

f W

r

Z

n

\ `c

White Noise

wxoY

l

Overfitting

o Z

n

Underfitting

ccccccccccccccccccccccccc  p eZ

m

f W

r

Z

n

\ acg

j

W^

orm

Z

l

W

t

Z

s

w xoY

l

Overfitting

o Z

n

Underfitting

ccccccccccccccccccccc  z eZ

m

f W

r

Z

n

\ pc^ W

l

ZWkwbt‚wh to Z

n

wh v t cccccccccccccccccccccccccccccccccccccccccccccccccccc  d

ƒ„…†„ ‡ˆ ‰ Š

B

‹Œ

xv

»

l

¼½

(t

¾

n

½¿¼

t

ÀÁÂ Ã

r

ļ ¾

)

2

þ

tu

Generalized Autoregressive Conditional Heteroskedastic

(

# $%

).

3

,-./,0102 3 0,0 4 5,/6 708-022

y

09 :/,02;1 02 <2=< 1 4 5,/6 4/02 3 0,0 > /= - 03 4 0?0445,/6@AB CD> 0409

1.2. Rumusan Masalah

E/8, 0>081 02 3 03 08 02

y

02; =/60F,-G/60> 102 3 0,0 60= 08 ./60102;H4 01 0 ,03 0= ,-< 80-1023 /8<4< > 0240 > 060F,08-3 /2/6 -=-02-2 -

y

0-=

u

I

J9 E0 ;0-4020 4/2;152 >=8

u

1> -4 5,/6 @A B CD 0> -4 /=8-=/8F0,03 ,0= 02 - 60- =< 108 8<3 -0F= /8F0, 03K:L56 608M

N9 E0 ;0-4020 /

st

-4 0> - 45,/6 @AB CD 0>-4 /

t

8-

s

0;08 ,-,030

t

102 3 /8040 602 7560

t

-6-

t

0

s

,08-2 -6 0-

t

< 1088<3 - 0 F1/K:LM

1.3. Batasan Masalah

L06 04 3 /2

y

< ><202

tu

;0

s

01F-8 -2 - ,-./ 8-102 3/4.0

t

0>02 40> 06 0F

y

0-

tu

4 /2 ?08- 45,/6

t

/8. 0-1 4/2 ;;<20102 4/

t

5,/

Eksponential

@AB CD

(

O@A B CD

),

Treshold

@ABCD

(

P@ AB CD

)

,02

Autoregressive Power

@ AB CD

(

AQA B CD

)

<2=< 14/601< 1023 /80406 027560

t

- 6-

t

0

s

././803 0.< 6 021/,/3 029

1.3. Tujuan Penelitian