PENGGUNAAN METODE GARCH DALAM MEMPREDIKSI INDEKS SAHAM SEKTOR TEKNOLOGI (IDXTECHNO) YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2021-2022
Abstract
Pandemi Covid-19 berdampak pada produktivitas masyarakat dan kondisi perekonomian. Meningkatnya penggunaan media online di masa pandemi berdampak pada sektor teknologi dan ekonomi dimana semakin banyak investor yang berinvestasi di industri teknologi. Harga indeks saham sektor teknologi cenderung meningkat. Penelitian ini menggunakan analisis time series pada perusahaan subsektor teknologi dengan menggunakan data historis. Harga saham ini diperoleh dari www.investing.com yang diterbitkan oleh idx. hasil penelitian ini menunjukkan bahwa data indeks harga saham mingguan subsektor periode 2021 sampai dengan 2022 bersifat heteroskedastis dan terdapat fluktuasi yang tidak simetris, sehingga diperlukan variasi model arch/garch yaitu arch (1,0) to menghasilkan hasil peramalan yang akurat. Hasil peramalan model ini menunjukkan bahwa model arch (1.0) cukup akurat dalam melakukan peramalan dengan rata-rata persentase kesalahan mutlak sebesar 0,0038%. Indeks saham sektor teknologi dipengaruhi oleh beberapa faktor, baik ekonomi mikro maupun ekonomi makro.
References
Abdullaevich. (2020). In Pengantar Ilmu Investasi. Bandung. Retrieved November22, 2022
Aditya, W. (2020). Pengantar Ilmu Investasi. Bandung: Media Sains Indonesia. Retrieved November 5, 2022
Ang, R. (1997). Buku Pintar Pasar Modal Indonesia: Mediasoft Indonesia. Juli, Jakarta.
Bachtiar, R. (2020). Kemampuan Komparatif Model Peramalan dan Volatilitas Time Series Pasar Modal di Indonesia dengan Model ARCH. Jurnal Akuntansi dan Manajemen.
Masdani, S. (2022). Perencanaan Persediaan Bahan Baku dengan Analisis Always Better Control (Abc), Metode Min Max, Model Q (Continuous Review) dan Model P (Periodic Review) Pada Pt Eastwind Mandiri (Doctoral dissertation, Universitas Sultan Agung).
Mutakif, F., & Nurwulandari, A. (2012). Pengaruh Volume Perdagangan Saham, Nilai Tukar dan Indeks Hang Seng terhadap Pergerakan Indeks Harga Saham Gabungan. Jurnal Akuntansi & Bisnis, 7(2), 178-192.
Purnaningrum, E. (2018). Renewable Stock Price Model Sebagai Pendukung Investasi Saham: Studi Kasus Saham Jii. Kolegial, 6(2), 97-110.
Raneo, A. P., & Muthia, F. (2018). Penerapan Model GARCH dalam Peramalan Volatilitas di Bursa Efek Indonesia. Jurnal Manajemen dan Bisnis Sriwijaya, 16(3), 194-202.
Raneo, A. P., & Muthia, F. (2018). Penerapan Model GARCH Dalam Peramalan Volatilitas di Bursa Efek Indonesia. Jurnal Manajemen dan Bisnis Sriwijaya, 16(3), 194-202.
Ravi, N., Chaturvedi, P., Huerta, E. A., Liu, Z., Chard, R., Scourtas, A., ... & Foster, I. (2022). FAIR Principles for AI Models with a Practical Application for Accelerated High Energy Diffraction Microscopy. Scientific Data, 9(1), 657.
Sari, W., & Setiyawan, S. (2023). Volatilitas Saham Sektor Teknologi yang Terdaftar di Indeks Saham Syariah Indonesia pada Masa Pandemi COVID-19. Jurnal Accounting Information System (AIMS), 6(1), 53-62.
Soedewi, S., & Purqon, A. (2015). Analisis Volatilitas Lima Saham Berbeda Sektor pada Indeks Kompas100 dengan Metode ARCH-GARCH. Prosiding SKF, 560-569.
Sujatmiko, I., & Thamrin, H. (2022). Analisis Risiko Perusahaan Infrastruktur Yang Terdaftar di Bursa Efek Indonesia Menggunakan Value at Risk (Var). Indikator, 2(3), 43-56.
Sumiyati, S., Sandy, B. D. A., & Wilujeng, P. R. (2022). Metode Arch/Garch untuk Memprediksi Hubungan Economic Uncertainty akibat Pandemi Covid 19 dan Volatilitas Saham. Jurnal Bisnis dan Akuntansi, 24(1), 117-130.
Sutrieni, E. Model dan Peramalan Volatilitas Saham Sektor Infrastruktur, Utilitas dan Transportasi (Bachelor's thesis, Fakultas Ekonomi dan Bisnis UIN Jakarta).
Winata, H., & Hapsari, Y. D. (2017). Penggunaan Metode Treshold Garch dalam Memprediksi Harga Saham PT. Gudang Garam, Tbk. Optim. Journal Ekonomi dan Pembangunan, 7(1), 59.
