1 / 7

Identitas Mahasiswa

EVYTA NOVIANDARI, 4150404507 METODE PERAMALAN TERBAIK ANTARA METODE RUNTUN WAKTU DAN METODE DESEASONALIZING SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA DI BURSA EFEK INDONESIA. Identitas Mahasiswa.

glenda
Download Presentation

Identitas Mahasiswa

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. EVYTA NOVIANDARI, 4150404507METODE PERAMALAN TERBAIK ANTARA METODE RUNTUN WAKTU DAN METODE DESEASONALIZING SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA DI BURSA EFEK INDONESIA

  2. Identitas Mahasiswa • - NAMA : EVYTA NOVIANDARI - NIM : 4150404507 - PRODI : Matematika - JURUSAN : Matematika - FAKULTAS : Matematika dan Ilmu Pengetahuan Alam - EMAIL : c3mpluxs pada domain yahoo.com - PEMBIMBING 1 : Drs. Supriyono, M.Si - PEMBIMBING 2 : Dra. Sunarmi, M.Si - TGL UJIAN : 2009-03-16

  3. Judul • METODE PERAMALAN TERBAIK ANTARA METODE RUNTUN WAKTU DAN METODE DESEASONALIZING SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA DI BURSA EFEK INDONESIA

  4. Abstrak • Tingkat kepercayan para investor terhadap stabilitas ekonomi mempengaruhi pengambilan keputusan dalam menginvestasikan dananya di BEI. Suku bunga dan prakiraan nilainya di masa depan merupakan salah satu masukan yang penting dalam keputusan investasi. Beberapa metode yang dapat digunakan dalam peramalan adalah metode runtun waktu dan metode deseasonalizing. Tidak ada suatu metode peramalan yang paling baik dan selalu cocok yang digunakan dalam meramalkan semua hal. Oleh karena itu, penulis tertarik untuk melakukan penelitian tentang penggunaan metode runtun waktu dan metode deseasonalizing untuk meramalkan tingkat suku bunga di BEI. Permasalahan yang akan dikaji adalah bagaimana penggunaan metode Runtun Waktu dan metode Deseasonalizing untuk peramalan tingkat suku bunga di BEI, metode peramalan yang manakah yang terbaik untuk peramalan tingkat suku bunga di BEI , serta berapakah ramalan besarnya tingkat suku bunga di BEI dari metode terbaik tersebut pada masa yang akan datang. Tujuan yang ingin dicapai pada penelitian ini adalah untuk mengetahui penggunaan metode Runtun Waktu dan metode Deseasonalizing untuk meramalkan tingkat suku bunga di BEI. Untuk mengetahui metode peramalan yang terbaik dari kedua metode tersebut untuk meramalkan tingkat suku bunga di BEI, dan untuk mengetahui forecast besarnya tingkat suku bunga dari metode terbaik tersebut pada masa yang akan datang. Pada penelitian ini metode yang digunakan untuk mengumpulkan data adalah metode dokumenasi yang diperoleh dari data Tingkat Suku SBI pada BI Provinsi Jawa Tengah dari tahun 2000 sampai tahun 2007. Hasil yang diperoleh dari penelitian ini, nilai MAE dan MSE hasil peramalan dari bulan Januari 2000 sampai bulan Desember 2007 diperoleh 4,0500 dan 26,2355 untuk ARIMA serta 6,56 dan 59,6672 untuk Deseasonalizing. Simpulan yang diperoleh adalah model ARIMA yang digunakan untuk peramalan adalah ARIMA (1,1,0), Model Deseasonalizing yang digunakan untuk peramalan menghasilkan persamaan garis trend Yˆ = 44,557 - 0,626t , dari nilai MAE dan MSE menunjukkan tingkat keakuratan hasil peramalan dengan ARIMA masih lebih baik dari Deseasonalizing untuk data tingkat suku bunga di BEI dari tahun 2000 sampai tahun 2007, Hasil ramalan data tingkat suku bunga di BEI tahun 2008 adalah Januari 8,02, Februari 7,93, Maret 7,87, April 7,80, Mei 7,75, Juni 7,70, Juli 7,65, Agustus 7,60, September 7,56, Oktober 7,51, November 7,47, dan Desember 7,42. Untuk Tahun 2009 adalah Januari 7,38, Februari 7,33, Maret 7,29, April 7,25, Mei 7,20 , Juni 7,16, Juli 7,12, Agustus 7,07, September 7,03, Oktober 6,98, November 6,94, dan Desember 6,89 Dengan hasil penelitian ini disarankan model ARIMA yang lain perlu diteliti untuk mendapatkan nilai error ramalan yang lebih kecil.

  5. Kata Kunci • forecasting, Runtun Waktu, Deseasonalizing

  6. Referensi • Awat, N. J. 1999. Metode Peramalan Kuantitatif. Yogyakarta : Liberty. Bodie, dkk. 2006. Investments (Investasi). Edisi 6. Jakarta : Salemba Empat Disa, A.R. 2007. Keefektifan Penggunaan Model ARIMA, Metode Exponential Smoothing, dan Metode Deseasonalizing untuk Forecasting Banyaknya Kedatangan Penumpang Bandara Ahmad Yani Semarang. Skripsi. Semarang : UNNES Djalal, Nachrowi. 2004. Teknik Pengambilan Keputusan. Jakarta : PT. Grasindo. Darmadji,T dan F. Hendy. 2006. Pasar Modal di Indonesia. Jakarta : Salemba Empat G.E.P. Box and G.M. Jenkins. 1969. Time Series Analysis, Forecasting and Control. Harianto, Farid dan Siswanto Sudomo. 2001. Perangkat dan Teknik Analisis Investasi di Pasar Modal Indonesia. Edisi Revisi I. PT. Bursa Efek Jakarta. Iriawan, N. 2006. Mengolah Data Statistik dengan Mudah Menggunakan MINITAB 11. Yogyakarta: Andi Offset. Kasmir. 1999 .Bank dan Lembaga Keuangan Lainnya, Cetakan Kedua .Rajawali Pers .Jakarta. Mankiw, N, Gregory. 2000. Teori Makro Ekonomi. Jakarta: Erlangga. Rijanto. 1994. Efektivitas Piranti SBI dan SPBU Dalam Pengendalian Moneter. Jurnal Ekonomi dan Bisnis Indonesia. Vol. 9 No. 1. Hal 11-17. Soejoeti, Zanzawi. 1987. Materi Pokok Analisis Runtun Waktu. Jakarta : Penerbit Karunia. Subagyo, Pangestu. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta : BPFE Yogyakarta.

  7. Terima Kasih • http://unnes.ac.id

More Related