Melola Discovery

← Melola Discovery

Jurnal

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM

Unnes Journal of Mathematics · Vol. 3 No. 2 (2014)

DOI
10.15294/ujm.v3i2.4343
ISSN
2460-5859, 2252-6943
Terbit
2014-11-16
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Peramalan adalah salah satu cara yang dapat digunakan untuk memperkirakan harga saham waktu mendatang. Agar sebuah peramalan memberikan hasil yang akurat diperlukan residual yang white noise dan berdistribusi normal.Namun kadangkala data tidak memenuhi asumsi-asumsi dalam analisis statistik klasik. Untuk mengatasi masalah tersebut diperlukan suatu pendekatan non parametrik yang bebas asumsi, salah satunya adalah metode bootstrap.Tujuan dari penelitian ini adalah mengetahui cara mengestimasi parameter bootstrap pada proses ARMA serta membandingkannya dengan model ARMA.Estimasi parameter dalam penelitian ini adalah dengan menggunakan program R. Cara yang digunakan untuk mengestimasi adalah dengan melakukan pemusatan pada data,mengestimasi berdasarkan model ARMA, mencari dan meresampling residual untuk mendapatkan nilai data bootstrap serta melakukan pemusatan kedua dari data bootstrap yang diperoleh agar data lebih stasioner, dari data baru tersebut dicariestimasi parameter berdasarkan model ARMA. Berdasarkan hasil penelitian kedua metode yaitu ARMA maupun bootstrap pada proses ARMA diperoleh hasil yang signifikan. Namun jika dilihat dari nilai, log likelihood, dan AIC nya, diperoleh estimasi parameter bootstrap ARMA lebih baik. Hal ini akan berdampak untuk hasil peramalan data saham AALI.JK dimana hasil peramalan bootstrap pada proses ARMA cenderung lebih mendekati data asli jika dibanding model ARMA.

Jaringan kolaborasi para penulis

40 penulis · 83 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Scolastika MarianiState University of Semarang6
Arief AgoestantoAfiliasi tidak diketahui5
Sugiman SugimanAfiliasi tidak diketahui4
Riza ArifudinState University of Semarang2
Nurkaromah DwidayatiState University of Semarang2
Yuninda Diah PratiwiAfiliasi tidak diketahui2
Sugeng NugrohoAfiliasi tidak diketahui2
Raras Setya AstutiAfiliasi tidak diketahui1
Feri FarkhanAfiliasi tidak diketahui1
Much Aziz MuslimState University of Semarang1
Dedy PurnawanAfiliasi tidak diketahui1
Dwi Prisita AnggriningrumAfiliasi tidak diketahui1
Zaenal AbidinAfiliasi tidak diketahui1
Noni NofiyahAfiliasi tidak diketahui1
SELY AGUSTINAAfiliasi tidak diketahui1
RIZA SILVIA FAUSTINAAfiliasi tidak diketahui1
Addinul AssidiqAfiliasi tidak diketahui1
Andhina SaraswatiAfiliasi tidak diketahui1
hengky tri ikhsanto hengky tri ikhsantoAfiliasi tidak diketahui1
Muhammad KharisAfiliasi tidak diketahui1
Novia Nilam NurlazuardiniAfiliasi tidak diketahui1
Ruliana RulianaAfiliasi tidak diketahui1
Zaenuri ZaenuriState University of Semarang1
Enggar Niken LarasatiAfiliasi tidak diketahui1
Elisa Desi AsrianiAfiliasi tidak diketahui1
Ratna Novita SariAfiliasi tidak diketahui1
Nur HidayatiAfiliasi tidak diketahui1
Nur Karomah DwidayatiState University of Semarang1
Laeli Sidik FebriantoAfiliasi tidak diketahui1
YL SukestiyarnoState University of Semarang1
Siti Faiqotul UlyaAfiliasi tidak diketahui1
Andika Resti SuryaniAfiliasi tidak diketahui1
Evelyn ParaditaAfiliasi tidak diketahui1
Walid WalidState University of Semarang1
Maula Qorri 'AinaAfiliasi tidak diketahui1
Mashuri MashuriState University of Semarang1
Ari IsnaeniState University of Semarang1
Christina WidayantiState University of Semarang1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM</dc:title>
	<dc:creator>Karomah, Yuliyanti</dc:creator>
	<dc:creator>Hendikawati, Putriaji</dc:creator>
	<dc:description xml:lang="en-US">Peramalan adalah salah satu cara yang dapat digunakan untuk memperkirakan harga saham waktu mendatang. Agar sebuah peramalan memberikan hasil yang akurat diperlukan residual yang white noise dan berdistribusi normal.Namun kadangkala data tidak memenuhi asumsi-asumsi dalam analisis statistik klasik. Untuk mengatasi masalah tersebut diperlukan suatu pendekatan non parametrik yang bebas asumsi, salah satunya adalah metode bootstrap.Tujuan dari penelitian ini adalah mengetahui cara mengestimasi parameter bootstrap pada proses ARMA serta membandingkannya dengan model ARMA.Estimasi parameter dalam penelitian ini adalah dengan menggunakan program R. Cara yang digunakan untuk mengestimasi adalah dengan melakukan pemusatan pada data,mengestimasi berdasarkan model ARMA, mencari dan meresampling residual untuk mendapatkan nilai data bootstrap serta melakukan  pemusatan kedua dari data bootstrap yang diperoleh agar data lebih stasioner, dari data baru tersebut dicariestimasi parameter berdasarkan model ARMA. Berdasarkan hasil penelitian kedua metode yaitu ARMA maupun bootstrap pada proses ARMA diperoleh hasil yang signifikan. Namun jika dilihat dari nilai                                                   , log likelihood, dan AIC nya, diperoleh estimasi parameter bootstrap ARMA lebih baik. Hal ini akan berdampak untuk hasil peramalan data saham AALI.JK dimana hasil peramalan bootstrap pada proses ARMA cenderung lebih mendekati data asli jika dibanding model ARMA.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2014-11-16</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/4343</dc:identifier>
	<dc:identifier>10.15294/ujm.v3i2.4343</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 3 No 2 (2014)</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v3i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/4343/4006</dc:relation>
</oai_dc:dc>