Pemodelan threshold autoregressive conditional heteroscedasticity (tarch) pada kurs dolar kanada terhadap rupiah

Oleh :
Kurnia Dwi Saputri - M0105011 - Fak. MIPA

ABSTRAK Terdapat dua asumsi dalam model runtun waktu, yaitu homoskedast isitas dan heteroskedastisitas. Dalam analisis model heteroskedastisitas seperti pada model ARCH dan GARCH mengasumsikan bahwa nilai residu baik positif maupun negatif memberikan pengaruh yang simetris terhadap volatilitasnya. Dengan kata lain, ketika kondisi residu lebih kecil dari nol (bad news) dan lebih besar dari nol (good news), memberikan pengaruh yang sama terhadap volatilitasnya. Akan tetapi pada prakteknya asumsi tersebut sering kali dilanggar, tidak semua data runtun waktu mempunyai pergerakan volatilitas yang simetris. Efek volatilitas yang asimetris dapat dimodelkan menggunakan model Threshold Autoregressive Conditional Heteroscedasticity. Tujuan skripsi ini adalah menentukan model runtun waktu heteroskedastisitas bersyarat yang sesuai untuk kurs dolar Kanada terhadap rupiah kemudian menggunakan model tersebut untuk meramalkan kurs dolar Kanada terhadap rupiah pada beberapa periode ke depan. Metode yang digunakan dalam skripsi ini adalah studi kasus. Data yang digunakan untuk pemodelan heteroskedastisitas dengan volatilitas bersifat asimetris adalah kurs dolar Kanada terhadap rupiah periode 30 Juni 2004 sampai 30 Juni 2009. Model TARCH yang terbaik dapat dipilih berdasarkan nilai Akaike Info Criterion (AIC) dan Schwarz Criterion (SC) dari masing-masing model. Hasil pemodelan heteroskedastisitas yang diperoleh adalah model TARCH(2,1) dengan model AR(1) pada rata-rata bersyaratnya. Ramalan kurs dolar Kanada terhadap rupiah untuk periode 1,2,3,6 dan 7 Juli 2009 berturut -turut adalah 9289,89785; 9289,87178; 9289,87373; 9289,87359; 9289,87360 rupiah. Kata kunci : runtun waktu, heteroskedastisitas, volatilitas asimetris, TARCH. ABSTRACT There are two assumptions in time series model, which are homoscedastic and heteroscedast ic. In heteroscedast ic models as on ARCH and GARCH models assume that the error score even positive or negative give the symmetric influence toward the volatility. In another word, when the errors of condition is smaller than zero (bad news) and higher than zero (good news), give the same influence toward its volatility. However the practice, the assumption is frequently obeyed, not all time series data have a symmetric volatility movement. The asymmetric volatility effect can be modelled by using Threshold Autoregressive Conditional Heteroscedasticity. The purpose of this final project is to determine heteroscedast icity time series model conditional that appropriate for dollar exchange rate of Canada to the Indonesian rupiah and then use that model to forecast the dollar exchange rate of Canada to the Indonesian rupiah in same periods to the future. The method applied in this final project is case study. Data applied for modelling heteroscedast icity with asymmetric volatility is dollar exchange rate of Canada to the Indonesian rupiah between 30 June 2004 to 30 June 2009 periods. The best TARCH model can be chosen based on value Akaike Info Criterion (AIC) and Schwarz Criterion (SC) from each model. The result of modelling of heteroscedast icity is TARCH(2,1) model with AR(1) model at its conditional mean model. The forecast of dollar exchange rate of Canada to the Indonesian rupiah for 1,2,3,6 and 7 July 2009 periods continuously are 9289,89785; 9289,87178; 9289,87373; 9289,87359; 9289,87360 rupiah. Key words: time series, heteroscedasticity, asymmetric conditional volatility, TARCH.