uji residual white noise uji residual berdistribusi...
TRANSCRIPT
![Page 1: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/1.jpg)
Uji residual white noiseLag Q P value
6 3.15 9.49 0.5330
2qpK
Uji residual berdistribusi normal
99.9
99
Mean 0.0001StDev 0.002506N 70
Probability Plot of Residual SBINormal
12 6.16 18.31 0.801318 9.18 26.30 0.905924 19.13 33.92 0.6374
Perc
ent
99
9590
80706050403020
10
5
1
>0.150
N 70KS 0.054P-Value
Karena atau Maka H0 diterima, berarti residual white noise
2, qpKQ valueP
Krna ataumaka H0 diterima, berarti residual normal
Residual SBI0.0100.0050.000-0.005
1
0.1
16.0054.0 70,05.0 DD valueP
0 ,
Hasil Perbandingan Model ARIMA Suku Bunga SBIModel ARIMA Parameter White Noise Normal AIC
(1 2 1) tdk sign ya normal -630 399(1,2,1) tdk sign ya normal 630.399(1,2,0) sign ya normal -630.775(0,2,1) sign ya normal -632.129
(1,2,[24]) sign ya normal -636.149(1 2 [40]) sign ya normal -632 917
ARIMA ([24],2,1) merupakan model yang terbaik untuk variabel input suku bunga SBI
(1,2,[40]) sign ya normal 632.917([24],2,1) sign ya normal -637.068
![Page 2: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/2.jpg)
Persamaan Input dari Masing‐Masing VariabelPersamaan Input dari Masing Masing Variabel
![Page 3: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/3.jpg)
Identifikasi Deret Outputp
3000
2500
Time Series Plot of HMSP
600
500
Lower CL Upper CL
Lambda
(using 95.0% confidence)
Estimate 0.17
Lower CL -0.29Upper CL 0.64
Box-Cox Plot of HMSPH
MSP
70635649423528211471
2000
1500
1000
500
StD
ev
5.02.50.0-2.5-5.0
400
300
200
100
0
Limit
0.00Rounded Value
Tidak stationer dalam mean dan varian transformasi dan differencing 1tZln
Index70635649423528211471
Lambda5.02.50.02.55.0
Time Series Plot of diff_1 HMSP Autocorrelation Function for diff_1 HMSP Partial Autocorrelation Function for diff_1 HMSP
diff
_1 H
MSP
4
3
2
1
0
utoc
orre
lati
on
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
(with 5% significance limits for the autocorrelations)
al A
utoc
orre
lati
on
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
(with 5% significance limits for the partial autocorrelations)
Index70635649423528211471
-1
-2
-3
Lag
Au
7065605550454035302520151051
-0.4
-0.6
-0.8
-1.0
Lag
Part
ia
7065605550454035302520151051
-0.4
-0.6
-0.8
-1.0
Apapun modelnya, deret output akan dimodelkan sama denganmodel deret inputnya
![Page 4: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/4.jpg)
Mengubah deret input dan output menjadi hi iwhite noise
![Page 5: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/5.jpg)
Penentuan nilai r,s, dan b
CCF Suku Bunga SBI b=3, r=0, s=2M d l
CCF Posisi Jumlah Deposito b=1, r=0, s=02
Penentuan nilai r,s, dan b
Model : Model : ttt nxBy )3(12
20 )( ttt nxy )1(20
![Page 6: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/6.jpg)
Identifikasi ARIMA deret noiseIdentifikasi ARIMA deret noise
Suku bunga SBI : ARIMA(0,0,1)
tt aBn )1( 1
g ( )
![Page 7: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/7.jpg)
Penafsiran Parameter
Estimasi Parameter Model Fungsi Transfer dengan variabel inputsuku bunga SBI
Penafsiran Parameter
suku bunga SBI
Parameter Estimasi SE t hit P-Value0 01104 0 0034567 3 19 0 0022 -0.01104 0.0034567 -3.19 0.0022
-0.76553 0.12376 -6.19 <.00010.90631 0.05379 16.85 <.0001
021
Karena P-value < 0.05 maka parameter model fungsi transfer dengan input suku bunga SBI signifikan.
![Page 8: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/8.jpg)
![Page 9: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/9.jpg)
Pemeriksaan Autokorelasi residual
Suku bunga SBI
Pemeriksaan Autokorelasi residual
Lag Q P value6 2.72 11.07 0.743812 4.65 19.68 0.9470
2qpK
12 4.65 19.68 0.947018 8.70 27.59 0.949124 12.80 35.17 0.9562
Karena P-value > 0.05 maka residual model fungsi transfer dengan input suku bunga SBI white noise. .
![Page 10: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/10.jpg)
Pemeriksaan croscorrelation
Residual suku bunga SBI dan t1Lag Q P value2
Pemeriksaan croscorrelation
Lag Q P value5 4.93 9.49 0.294711 6.73 18.31 0.751117 7 56 26 30 0 9609
srK
17 7.56 26.30 0.960923 8.82 33.92 0.9942
Jadi antara deret input suku bunga SBI white noise ( )Jadi, antara deret input suku bunga SBI white noise ( ) dengan nilai residual ( ) independent.
t1ta
![Page 11: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/11.jpg)
Hasil Peramalan
MAPE untuk model fungsi transfer suku bunga SBI sebesar 18%. MAPE untuk model fungsi transfer kurs rupiah terhadap USD sebesar 17%.
f f 1 %
Hasil Peramalan
MAPE untuk model fungsi transfer suku bunga deposito sebesar 17%. MAPE untuk model fungsi transfer posisi jumlah deposito berjangka sebesar 15%MAPE untuk model fungsi transfer perubahan inflasi sebesar 19%
Peramalan Indeks harga saham
MAPE untuk model fungsi transfer perubahan inflasi sebesar 19%MAPE untuk model fungsi transfer multi input sebesar 18%.
Peramalan Indeks harga sahamBulan Ramalan Hasil peramalan
Januari 2011 53.4033 2851,912451Februari 2011 53.4231 2854,027614Maret 2011 53.4253 2854,26268April 2011 53.4303 2854,796958
![Page 12: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/12.jpg)
PENUTUP
KESIMPULAN1 Metode Fungsi Transfer Multi Input dapat digunakan sebagai bahan pertimbangan untuk1. Metode Fungsi Transfer Multi Input dapat digunakan sebagai bahan pertimbangan untukmeramalkan indeks harga saham.2. Terdapat hubungan sebab akibat antara indeks harga saham dengan kurs,suku bunga SBI, inflasi, tingkat bunga deposito, dan posisi jumlah deposito berjangka dalam rupiah. 3 Hasil peramalan cenderung stabil dan mendekati nilai aktualnya3. Hasil peramalan cenderung stabil dan mendekati nilai aktualnya.Dari evaluasi hasil peramalan dapat diketahui bahwa model fungsi transfer multi input denganvariabel input posisi jumlah deposito berjangka memiliki keakuratan yang baik. Hal ini dapatdilihat dari nilai MAPE yang berada dibawah 20%.
SARAN1. Dalam tugas akhir ini data yang digunakan adalah data dengan frekuensi waktu bulanan. Untuk permasalahan ini akan lebih baik lagi data yang digunakan adalah data denganffrekuensi harian untuk memperkecil nilai error.2. Menggunakan input yang lebih banyak dan variabel yang mungkin diduga sangatberpengaruh agar mendapatkan nilai ramalan yang lebih baik dari model sebelumnya.3. Untuk menghasilkan akurasi yang tinggi dalam peramalan dengan metode fungsi transfer
l i i b ik i b l i b l di lk iliki h b kmulti input sebaiknya variabel-variabel yang diramalkan memiliki hubungan yang kuat.
![Page 13: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/13.jpg)
DAFTAR PUSTAKADAFTAR PUSTAKA[1] Bank Indonesia. 2002‐2009. Statistik Ekonomi dan Keuangan Indonesia. Jakarta
: Bank Indonesia.[2] Aswathi, J Rekha. 2008. Stock Index Forescasting That Influences the Exchange[ ] , g g
Rate, Change in Inflation, Position of Time Deposit, and Interest Rate ofDeposite Using Transfer Function and ARCH‐GARCH. Journal of Econometrics.India
[3] H A i 1998 h b h S k i[3] Hartono, Anastasia. 1998. Pengaruh Perubahan Suku Bunga DepositoBerjangka, Spread Suku Bunga Perbankan, Posisi Jumlah Deposito Berjangka,Nilai Tukar dan Giro terhadap IHSG di Bursa Efek Surabaya. Jurusan IlmuEkonomi dan Studi Pembangunan Universitas Airlangga SurabayaEkonomi dan Studi Pembangunan Universitas Airlangga. Surabaya.
[4] Indonesia Stock Exchange. 2008. Buku Panduan Indeks Harga Saham Bursa EfekIndonesia. Jakarta.
[5] Makridakis, S., Wheelwright S.C., dan McGee V.E. 1999. Metode dan AplikasiPeramalan. Diterjemahkan oleh Suminto, Hari Ir. Jakarta: Binarupa Aksara.
[6] Sulistiyawati, Dewi. 2004. Analisis Fungsi Transfer Multi Input dan Arch‐Garch pada Data Indeks Harga Saham PT HM Sampoerna. Jurusan StatistikaITS SurabayaITS. Surabaya.
![Page 14: Uji residual white noise Uji residual berdistribusi normaldigilib.its.ac.id/public/ITS-Undergraduate-15165-Presentation-2pdf.pdf · Uji residual white noise Lag Q P value 6 3.15 9.49](https://reader030.vdocuments.us/reader030/viewer/2022040807/5e48fec206f8f36cfc5c5af6/html5/thumbnails/14.jpg)