Implemetasi Model Autoregressive (AR) Dan Autoregressive Conditional Heteroskedasticity (ARCH) Untuk Memprediksi Harga Emas

Abstract

Gold is a one of high selling value items in the market, and it can be used as an investment item. The price of gold in the market tends to be stable and not undergoing too significant changes which makes gold be a very valuable item. The aim of this research is to predict gold price using AR (1) and ARCH (1) model which are the part of time series methods. The data of gold price is obtained from ANTAM's daily historical website from 2007 -2017. Here, the basic information about data is given by using descriptive statistic and the estimation of parameters in each model is condacted by using Maximum Likelihood Estimation (MLE). To evaluate the model, Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) are used. In this research, the estimated model of AR (1) and ARCH (1) given as X t = − 0.012X t-1 + ε t and X t = ε t . 0.000053 + 0.011958X t-1 2 respectively. Where, ε t is the error which is generated by mean and variance of each models. Moreover, the result of MAE and RMSE using AR (1) model are 0.0261 and 0.0342 respectively, meanwhile for ARCH (1) model are 0.0170 and 0.0251 respectively. AbstrakEmas merupakan barang yang memiliki nilai jual tinggi di pasaran, tidak hanya itu emas sering digunakan sebagai barang investasi. Harga emas yang cenderung stabil dan tidak mengalami perubahan yang terlalu signifikan membuat emas menjadi barang yang sangat berharga. Penelitian ini bertujuan untuk memprediksi harga emas menggunakan model AR (1) dan ARCH (1) yang merupakan salah satu bagian dari metode time series. Data yang digunakan adalah data harga emas yang diperoleh dari website historis harian ANTAM dari tahun 2007 -2017. Dalam penelitian ini, informasi dasar mengenai data menggunakan statistika deskriptif dan estimasi parameter pada masing-masing model menggunakan Maksimum Likelihood Estimation (MLE). Nilai error untuk mengevaluasi model AR (1) dan ARCH (1) didapatkan menggunakan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Pada penelitian ini, model estimasi dari AR (1) dan ARCH (1) menggunakan data harga emas harian ANTAM adalah X t = − 0.012X t-1 + ε t dan X t = ε t . 0.000053 + 0.011958X t-1 2 secara berurutan. Dengan ε t adalah error yang dibangkitkan menggunakan mean dan variansi dari masing-masing model. Performansi MAE dari model AR (1) dan ARCH (1) masing-masing adalah 0.0261 dan 0.0170. Selain itu nilai RMSE dari model AR (1) dan ARCH (1) adalah 0.0342 dan 0.0251.

Peramalan Nilai Tukar Petani Di Bangka Belitung Dengan Metode Holt-Winters

“…PACF adalah autokorelasi antara yt dan yt-k setelah menghapus setiap ketergantungan linear pada y1,y2, …, yt+ k-1. Kestationeran data pada autokorelasi dapat dilihat dari lag-k [8]. Jika pada plot ACF dan PACF lag-k menurun secara eksponensial, maka data tersebut stasioner.…”

“…Pada penerapan metode Holt-Winters multiplikatif, terlebih dahulu menentukan nilai awal pemulusan secara manual yang mensubstitusikan nilai data NTP ke persamaan ( 6), (8), dan (10). Nilai awal untuk pemulusan level dengan s = 12 disubstitusikan ke persamaan (5) diperoleh: Dengan mensubstitusi nilai parameter α, β, dan γ dapat menghitung nilai 𝐿 𝑡 , 𝑏 𝑡 , dan 𝑆 𝑡 pada model Holt-Winters multiplikatif.…”

Prediksi Pencurian Sepeda Motor Menggunakan Model Time Series (Studi Kasus: Polres Kotabumi Lampung Utara)

“…Model Autoregressive (AR) merupakan suatu model yang digunakan untuk melakukan prediksi suatu kejadian dengan menggunakan nilai pada data periode waktu sebelumnya. [4] Model autoregressive dinotasikan dengan AR ( ). Bentuk umum model AR ( ) sebagai berikut: [5] Model Moving Average (MA) atau rata-rata bergerak yang digunakan untuk mengurangi acakan suatu data, dilakukan dengan merata-ratakan beberapa data dengan mencari kesalahan yang mungkin terjadi sehingga dapat dikeluarkan atau dihilangkan.…”