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 2v
<KG I J <LI CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCv
B <F
I <JMGMCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 12 B <F
I <JF<>K<JCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC 2x
B <F
I <JI< KE =CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCx
B <F
I <J=< >DMJ < ? CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCx
222 B <F
I <JGM> KN=CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCx
2v
K< KM CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCD E ?B<: A=A < ?OCOC=;
t
;r
KPl
;k
;n
Q CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC O OCRCJST;um
n
>;T;l
;U CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCV 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
2T2s
Juntun
];ktu
CCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCbc cc
defegegehijk
l
lmn op qr p qs tv
q(
u v)
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee w defegedehijkl
Moving Average
(
h u)
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee x defegeyehijkl
uvhu eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee x defegefehijkl
uv zh u eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g { defede| km
ijkl
}n
vuntun
~ }ktu
ox
kcns
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gg defedegezj knt
cc } chijkl
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gg defededej
cAugmented Dickey Fuller
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gd defedeye cm
} c|}r
}m
kt
kr
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gd defedefe kc c} cr
h ijkl
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gd deej
cuv heeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee gf deeh ijkl
u veeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g deeh ijkl
uv eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g deege u vcm
ktr
cs
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g deede u vu cm
ktr
cs
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee g w de wej
ckk
u cm
ktr
cs
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee df de xekr
c c } chijkl
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d deg {e| kr
}m
}l
}n
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d deggecl
} c}r
h}t
} } (
urs)
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d w deggege| kkrt
c}n
c} cl
}r
h}t
} }n
eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d w deggedecl
} c}r
v c} eeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee d w u zzzeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeh z| zzux
É Ê ËÌ ÊÍÎ ÊÏ
BA
ÍÐÑ
l
Ñm
Ñn
ÒÑm
ÓÑr
ÔÕÖ× Ñ Ør
Ñm
Ùl
×r
Ú ÛÜØol
Ñ ÝÑn
ÖÑÑt
ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÞß ÒÑm
ÓÑr
ßÕ Úlot
à ×m
Ûá Ûr
×Ûs
ÖÑt
Ñ âurs
ãäå×Ñ ÝàÛr
ÝÑ æÑp
Öoll
Ñr
Ù
m
Ûr
×çÑ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÞè ÒÑm
ÓÑr
ÞÕÒr
Ñé ×k
Ú Ûr
Ñm
ÑÑl
n
ãÛê × æäÑl
ëì ×tt
󾾄n
Ùít
äÑl
ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕîî ÒÑm
ÓÑr
èÕÒr
Ñé×k vol
Ñt
×l
×t
Ñs
âurs
ïÑÑt
ð Ñn
Øãäå×ÑÝàÛr
ÝÑ æÑp
Öoll
Ñr
Ù
m
Ûr
×çÑ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕîñ ÒÑm
ÓÑr
îÕÒr
Ñé ×k
Ú Ûr
Ñm
Ñl
Ñn
òol
Ñt
×l
×t
Ñs
ßóåÛr
×ô æ ÛêÛl
ÑÑnjutny
ÕÕÕÕÕÕÕÕÕÕÕÕÕÕîñÉÊËÌ Ê ÍÌ Ê
B
õ öx
" "#$%&
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
$ "0r
,%$% "l
"t
$s
@$/$Aj
" BC "t
&* , ". & )))))))))))))))))))))))))))))))))))8' #$%&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
)))))))))))))))))))))))))))))))))))86JKLMK NOK P QRNKS
x
W WWXY
rt
Zn
[[Zl
\]^ov
Y_Ym
r
`]\] a]bYpt
Ym
_Yr
`] \ accccccccccccccccccccccccccccc d\ eZm
f Wr
Zn
` cgj
Whi Zr
gn
Wt
Augmented Dickey-Fuller
j Zt
ZkYturn
lurs
kmf WZn
t
Yr
n Zo Zp
jZoll
r
hm
Yr
Wi Z cccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc dp eZm
f Wr
Zn
a cqorr
Ylo
[rZm
j Zt
Zlurs
kmf W ZnsYr
nZo Zp
jZoll
r
hm
Yr
Wi Z ccccccccccccc dp eZm
f Wr
Zn
pc tusWm
ZuWvZr
ZYm
t
Yr
wxoYl
hk yw hjZt
ZkYturn
lurs
kmf WZnt
Y
r
n Zo Zp
joll
Zr
hustr
Zl
WZ ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc dz eZm
f Wr
Zn
zcgj
WLagrange Multiplier
jZt
Z lurs
kmf WZnYt
r
n Zo Zp
j
oll
Zr
hm
Yr
Wi Zp
Zo Zw xoYl
hk yw h cccccccccccccccccccccccccccccccccccccccccccc {\ eZm
f Wr
Zn
dct usWm
ZuWvZr
ZYm
t
Yr
wxoYl
hk yw h |h kq}jZt
Zlurs
kmf W ZnXY
r
n ZoZp
joll
Zr
hYm
r
Wk
Z cccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc {` eZm
f Wr
Zn
{cgj
W huWm
Ytr
W u w xoYl
hk ywh~| h kq}j Zt
Z lur
u kmf W Znt
Y
r
n Zo Zp
joll
Zr
hustr
Zl
WZ ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc {p eZm
f Wr
Zn
ctusWm
ZuWvZr
Zm
Yt
Yr
wxoYl
|h kq}huWm
Ytr
Ws
j Zt
Zlurs
kup
WZnXY
r
n ZoZp
joll
Zr
hustr
Zl
WZ ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc { eZm
f Wr
Zn
cgj
W yoYYp
n
oYuWwxoYl
| h kq}huWm
Ytr
Ws
ccccccccccccccccccccccccccccccccccc ` eZm
f Wr
Zn
\] c gj
W^orm
ZWl
t
Zs
kYu Wom Zl
|h kq} huWm
Ytr
Ws
cccccccccccccccccccccccccc ` eZm
f Wr
Zn
\\ ctusWm
ZuWwxoYl
Overfitting
o Zn
Underfitting
ccccccccccccccccccccccccccccccc a eZm
f Wr
Zn
\ `cWhite Noise
wxoYl
Overfitting
o Zn
Underfitting
ccccccccccccccccccccccccc p eZm
f Wr
Zn
\ acgj
W^orm
Zl
Wt
Zs
w xoYl
Overfitting
o Zn
Underfitting
ccccccccccccccccccccc z eZm
f Wr
Zn
\ pc^ Wl
ZWkwbtwh to Zn
wh v t cccccccccccccccccccccccccccccccccccccccccccccccccccc d
B
xv
»l
¼½(t
¾n
½¿¼t
ÀÁÂ Ãr
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> 04091.2. 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
IJ9 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 608MN9 E0 ;0-4020 /
st
-4 0> - 45,/6 @AB CD 0>-4 /t
8-s
0;08 ,-,030t
102 3 /8040 602 7560t
-6-t
0s
,08-2 -6 0-t
< 1088<3 - 0 F1/K:LM1.3. Batasan Masalah
L06 04 3 /2
y
< ><202tu
;0s
01F-8 -2 - ,-./ 8-102 3/4.0t
0>02 40> 06 0Fy
0-tu
4 /2 ?08- 45,/6t
/8. 0-1 4/2 ;;<20102 4/t
5,/Eksponential
@AB CD(
O@A B CD),
Treshold
@ABCD(
P@ AB CD)
,02Autoregressive Power
@ AB CD(
AQA B CD)
<2=< 14/601< 1023 /80406 027560