Emas, Tembaga dan Minyak merupakan jenis komoditas yang banyak diincar oleh para investor untuk menanamkan modal dengan cara melakukan investasi pada jenis komoditas tersebut. Prediksi harga komoditas sangat bermanfaat bagi investor untuk melihat prospek investasi komoditas pada suatu perusahaan di masa yang akan datang. Harga komoditas memiliki karakteristik data yang tidak stabil atau sering disebut volatilitas. Untuk mengatasi permasalahan tersebut, dilakukan peramalan dengan metode ARIMA dan ARIMA-GARCH. Dipilih dua metode tersebut karena dua metode ini cocok untuk meramalkan sesuatu yang memiliki data history yang kuat. Metode ARIMA ARCH-GARCH lebih cocok digunakan untuk data-data yang memliki volatilitas yang tinggi atau terdapat heteroskedastisitas pada residual data, sehingga hasil prediksi lebih akurat. Hal ini dibuktikan dengan nilai AIC lebih kecil dari pada hanya menggunakan metode ARIMA. Model terbaik untuk komoditas Emas adalah ARIMA(0,1,1) – GARCH(1,1) sedangkan komoditas tembaga memiliki model terbaik yaitu ARIMA(2,1,2) – GARCH(1,1) dan komoditas minyak yaitu ARIMA(1,1,1) – GARCH(0,1). Nilai MAPE (Mean Absolute Percentage Error) untuk masing-masing komoditas berturut-turut adalah 1,113; 0,542 dan 1,158 untuk Emas, Tembaga dan Minyak.

No abstract

No abstract

Prediksi yang tidak akurat akan menyebabkan perusahaan asuransi mengalami kerugian yang sangat besar dan dapat menyebabkan premi yang mahal di mana konsumen berpenghasilan rendah tidak mampu mengasuransikan diri mereka sendiri. Kemampuan meramalkan angka kematian secara akurat memungkinkan perusahaan asuransi mengambil langkah-langkah preventif untuk memperkenalkan polis baru dengan harga yang wajar. Diharapkan dengan melakukan proyeksi mortalitas, kerugian yang disebabkan oleh resiko umur panjang (longevity risk) pada industri asuransi jiwa dapat diminimalisir. Pada penelitian ini digunakan data sekunder yang diperoleh dari website World Health Organization (WHO) pada kategori Mortality and Global Helath Estiamates dengan sub topik Life Table by Country Indonesia. Dalam makalah ini, beberapa model digunakan untuk meramalkan angka kematian dalam studi kasus populasi di Indonesia, yaitu metode peramalan Moving Average dan Exponential Smoothing. Hasil yang diperoleh adalah metode terbaik untuk melakukan prediksi tingkat kematian adalah dengan menggunakan metode Exponential Smoothing. Dengan nilai MAPE Exponential Smoothing lebih kecil dibandingkan nilai MAPE pada Moving Average. Hasil dari proyeksi mortalitas ini nantinya akan digunakan untuk mendapatkan distribusi ekspektasi hidup dan harga premi dari anuitas jiwa.

No abstract