Modification Model of Soil Fertility Evaluation FAO-UNESCO on the Slopes of Merapi Volcano, Indonesia

One of the mountains known as active volcanoes in the world was Merapi volcano. From the very active impact of Merapi activity, there was a continuous addition of volcanic material associated with soil fertility, which can be evaluated using the Soil Fertility Evaluation (SFE) system. This study aims to obtain a more adaptive SFE system to the southern slopes of Merapi volcano by modifying the FAO- UNESCO version of SFE system that still uses linear equations. In this research used system of quadratic equation, use of natural logarithm (ln), and modification of new parameter. From the evaluation of soil fertility is then connected with the production component of paddy rice (dry grains crop). There were several indicators that used to see the quality of the model or test the goodness of fit of the model we make, for example from its R2. In this study the quality of a model was seen from: Akaike Info Criterion (AIC) and Schwarz Criterion (SC), and the data was done by using EViews 9. The results showed the parameters that influence big in the model can be seen from the correlation and influence the parameters in single. Quadratic equations can improve the quality of a model over a linear equation. The standard SFE model which is modified by using the nat

Use GARCH Models to Build a Econometric Model to Predict Average Daily Closing Prices of the Iraqi Stock Exchange for the Period 2013-2016

This research aims to build a standard model for the analysis and prediction of the average daily closing price fluctuations for companies registered in the Iraq Stock Exchange for the period 07/01/2013 to 30/06/2016, using the conditional generalized Heteroscedasticity Generalized Autoregressive (GARCH) models. As these models deal with the fluctuations that occur in the financial time series. The results of the analysis showed that the best model for predicting the volatility of average closing prices in the Iraq Stock Exchange is the EGARCH model (3,1), depending on the statistical criteria used in the preference between the models (Akaike Information Criterion, Schwarz Criterion), and these models can provide information for investors in order to reduce the risk resulting from fluctuations in stock prices in the Iraqi financial market.

MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DALAM PERAMALAN NILAI HARGA SAHAM PENUTUP INDEKS LQ45

Data indeks LQ45 dapat digunakan membantu manajer investasi, investor ataupun calon investor terkait dalam proses perencanaan dan proses pengambilan keputusan dalam membeli ataupun menjual saham. Oleh karena itu data LQ45 memiliki peran penting dalam melakukan peramalan untuk mencapai tujuan tersebut. Peramalan deret waktu (time series) menggunakan penerapan model Autoregressive Integrated Moving Average (ARIMA) untuk meramalkan nilai harga saham penutup dalam Indeks LQ45 pada data mingguan. Data yang digunakan merupakan data dari 25 November 2019 sampai dengan 30 November 2020. Hasil pengujian model terbaik adalah ARIMA(1,1,1). Model ARIMA(1,1,1) terpilih karena memenuhi asumsi dan didukung oleh nilai Adjusted R-squared, nilai S.E. of regression, Akaike Info Criterion dan Schwarz Criterion. Hasil peramalan jangka pendek selama 2 bulan ke depan (7 Desember 2020 sampai 25 Januari 2021) yang didapat dari model ARIMA(1,1,1) mendekati data aktual dengan nilai Mean Absolute Percentage Error (MAPE) yang paling kecil yaitu 18.41269.

PERAMALAN VOLATILITAS SAHAM MENGGUNAKAN MODEL THRESHOLD GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY

Model Threshold Generalized Autoregressive Conditional Heteroscedasticity (TGARCH) merupakan model yang digunakan untuk memodelkan volatilitas yang memiliki efek asimetris. Tujuan penelitian ini adalah memodelkan dan meramalkan volatilitas IHSG menggunakan model TGARCH untuk sepuluh periode ke depan. Data yang digunakan adalah data return IHSG penutupan mingguan dari tanggal 8 Februari 2009 sampai dengan 10 Februari 2019. Penelitian ini diawali dengan pembentukan model Box Jenkins. Residual model Box Jenkins terbaik digunakan untuk mendeteksi heteroskedastisitas menggunakan uji ARCH-LM. Data residual yang memiliki heteroskedastisitas dimodelkan ke dalam model GARCH. Residual model GARCH dan residual model Box Jenkins digunakan untuk memeriksa pengaruh asimetris, yaitu dengan melakukan korelasi silang pada kedua residual model tersebut. Berdasarkan hasil korelasi silang yang dilakukan didapatkan adanya pengaruh asimetris terhadap volatilitas, sehingga digunakan model TGARCH untuk mengatasinya. Model TGARCH terbaik dalam penelitian ini adalah TGARCH(1,1) berdasarkan nilai Akaike Information Criterion (AIC) dan Schwarz Criterion (SC) terkecil. Model TGARCH(1,1) digunakan untuk meramalkan volatilitas IHSG. Hasil peramalan volatilitas yang diperoleh untuk sepuluh periode ke depan mengalami peningkatan sebesar 0,000015 sampai dengan 0,000029.Kata Kunci: Asimetris, GARCH, TGARCH

PEMODELAN DATA RUNTUN WAKTU DENGAN ARIMAX

Model Autoregressive Integrated Moving Average Exogenous (ARIMAX) merupakan salah satu perluasan dari model ARIMA dengan penambahan variabel exogenous. Dalam penelitian ini, model ARIMAX digunakan untuk pemodelan data harga saham PT. Astra Agro Lestari Tbk (AALI) terhadap data kurs USD bulanan dari tahun 2010 sampai dengan 2018 dengan kurs USD sebagai variabel exogenous dengan tujuan untuk mengestimasi parameter model ARIMAX . Langkah awal dilakukan uji kestasioneran data. Dari hasil uji kestasioneran data diperoleh hasil bahwa data tidak stasioner sehingga dilakukan proses diferensiasi satu kali pada masing-masing data. Selanjutnya identifikasi model ARIMA, estimasi parameter model ARIMA menggunakan metode kuadrat terkecil, uji diagnostik pada model ARIMA dan pemilihan model ARIMA terbaik berdasarkan pada nilai probabilitas atau p-value yang signifikan, adjusted r-squared yang lebih besar serta nilai akaike’s information criterion (AIC) dan schwarz criterion (SC) yang terkecil. Tahapan selanjutnya ialah penambahan variabel exogenous ke dalam model ARIMA sehingga diperoleh model ARIMAX. Estimasi parameter model ARIMAX dengan menggunakan metode kuadrat terkecil (least square). Setelah mengestimasi parameter maka dilakukan uji diagnostik pada model ARIMAX dengan menggunakan uji Q-Ljung-Box sehingga diperoleh bahwa harga saham AALI dipengaruhi oleh harga saham itu sendiri sedangkan kurs USD tidak signifikan pada model ARIMAX sehingga menunjukkan bahwa kurs USD tidak berpengaruh signifikan terhadap harga saham AALI. Kata Kunci : Saham, Kurs USD, Akaikes’s Information Criterion (AIC).

Metode Peramalan Deret Waktu Menggunakan Model Asymmetric Power Autoregressive Conditional Heteroskedastic (APARCH)

Era globalisasi menyebabkan banyak perubahan dalam pengembangan sistem ekonomi, salah satunya adalah data keuangan. Tujuan dari penelitian ini ialah untuk mendapatkan model terbaik dalam menganalisis dan memprediksi data penutupan harga saham mingguan untuk PT Adhi Karya (Persero) Tbk dari September 1990 hingga Januari 2016 yang berjumlah 1314 data. Model yang digunakan adalah model Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH). Model terbaik dipilih berdasarkan Akaike Info Criterion (AIC) dan Schwarz Criterion (SC). Dari hasil analisis diperoleh model terbaik yaitu APARCH (1,1) dengan ARIMA (1,1,1) sebagai model rerata bersyarat. Hasil peramalan untuk 7 periode berikutnya menunjukkan bahwa perkiraan tersebut dalam interval kepercayaan 95% yang berarti bahwa hasil peramalan menggunakan model ini dapat dipercaya dalam kisaran 95%. The era of globalization led to many changes in the development of economic systems, one of which is the data that is financially. The purpose of this study is to get the best model in analyzing and predicting weekly stock price closing data for PT Adhi Karya (Persero) Tbk from September 1990 to January 2016 which amounted to 1314 data. The model used is the Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) model. The best models are selected based on Akaike Info Criterion (AIC) and Schwarz Criterion (SC). From the analysis result obtained the best model that is APARCH (1,1) with ARIMA (1,1,1) as conditional average model. The result of forecasting for the next 7 periods shows that the forecast is within a 95% confidence interval which means that the forecasting result using this model can be trusted in the 95% range.

Modeling Stock Return Data using Asymmetric Volatility Models : A Performance Comparison based on the Akaike Information Criterion and Schwarz Criterion

The Generalized Autoregressive Conditional Heteroscedasticity (GARCH) modelhas been widely used in time series forecasting especially with asymmetricvolatility data. As the generalization of autoregressive conditionalheteroscedasticity model, GARCH is known to be more flexible to lag structures.Some enhancements of GARCH models were introduced in literatures, among themare Exponential GARCH (EGARCH), Threshold GARCH (TGARCH) andAsymmetric Power GARCH (APGARCH) models. This paper aims to compare theperformance of the three enhancements of the asymmetric volatility models bymeans of applying the three models to estimate real daily stock return volatilitydata. The presence of leverage effects in empirical series is investigated. Based onthe value of Akaike information and Schwarz criterions, the result showed that thebest forecasting model for daily stock return data is the APARCH model.Keywords: Volatility, GARCH, TGARCH, EGARCH, APARCH, AIC and SC.

Analisis Risiko Investasi Saham Syariah Dengan Model Value AT Risk-Asymmetric Power Autoregressive Conditional Heterocedasticity (VaR-APARCH)

Penelitian ini membahas analisis risiko data runtun waktu dengan model Value at Risk- Asymmetric Power Autoregressive Conditional Heteroscedasticity (VaR-APARCH)dalam pasar modal syariah. Metode yang digunakan dalam penelitian ini adalah penerapan kasus.Data yang digunakan adalah harga penutupan harian saham dalam Jakarta Islamic Index (JII)periode 4 Maret 2013 sampai 8 April 2015.Model APARCH yang dipilih berdasarkan nilai Schwarz Criterion (SC).Langkah-langkah dalam penelitian ini adalah menguji kestasioneran data, mengidentifikasi model ARIMA,mengestimasi parameter model ARIMA, menguji diagnostik model ARIMA, mendeteksi ada tidaknya unsur ARCH atau unsur heteroskedastisitas, uji asimetris data saham, mengestimasi model APARCH, menguji diagnostik model APARCH, dan menghitung risiko dengan VaR-APARCH.Model terbaik yang dipilih adalah ARIMA ((3),0,0) dan APARCH (1,1). Model ini valid untuk menganalisis besar risiko investasi dalam jangka waktu 10 hari ke depan.