SAJIDAH, Diva Aulia (2024) Penerapan Model ARFIMA dengan Efek GARCH untuk Prediksi Harga Minyak Goreng Curah di Kota Semarang. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (123kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (147kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (215kB)
	Text 5. KATA PENGANTAR.pdf Download (139kB)
	Text 6. ABSTRAK.pdf Download (203kB)
	Text 7. ABSTRACT.pdf Download (198kB)
	Text 8. DAFTAR ISI.pdf Download (240kB)
	Text 12. BAB 1 PENDAHULUAN.pdf Download (312kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (215kB)

Abstract

ARIMA (Autoregressive Integrated Moving Average) merupakan metode
peramalan yang efektif digunakan untuk data yang tidak stasioner dan autokorelasi
turun secara cepat. Ada beberapa data yang tidak stasioner dan autokorelasi turun
secara lambat yang menunjukkan terdapat efek long memory. ARFIMA
(Autoregressive Fractionally Integrated Moving Average) merupakan metode
pengembangan dari ARIMA, di mana nilai diferensi yang bersifat non integer
sehingga dapat mengatasi efek long memory yang tidak dapat diatasi dengan
metode ARIMA. Data penelitian yang digunakan merupakan data harga minyak
goreng curah periode mingguan di Kota Semarang periode minggu ketiga Februari
2016 sampai minggu kedua Maret 2024, di mana data in sample mengandung efek
long memory dan heteroskedastisitas. Metode ARFIMA dengan efek GARCH
(Generalized Autoregressive Conditional Heteroscedasticity) dapat digunakan
untuk analisis runtun waktu data yang mengandung efek long memory dan
mengatasi heteroskedastisitas. Hasil dari analisis disimpulkan bahwa model
ARFIMA(1,d,0)-GARCH(1,0) dengan nilai d sebesar 0,6393253 merupakan model
terbaik. Model yang terbaik yang telah terpilih memiliki nilai AIC sebesar -22,478
dan MAPE sebesar 17,1377% yang memiliki arti peramalan baik.
Kata Kunci: Peramalan, long memory, ARFIMA, GARCH

Actions (login required)

View Item