Mahmud, Natasa Talina (2018) Pemodelan Deret Waktu Error Correction Model-Generalized Autoregressive Conditional Heteroscedasticity (ECM-GARCH). Sarjana thesis, Universitas Brawijaya.
Abstract
Error Correction Model (ECM) seperti halnya model ARIMA dan model regresi linier sederhana, mengharuskan asumsi homokedastisitas atau ragam konstan pada sisaan terpenuhi. Salah satu metode untuk menjelaskan fenomena dari ragam sisaan yang tidak konstan adalah dengan menggunakan model Generalized Autoregressive Conditional Heteroscedasticity (GARCH) yang menganggap ragam tidak konstan sebagai sesuatu yang dapat dimodelkan. Data yang digunakan pada penelitian ini adalah data inflasi dan BI rate tiap bulan dari periode November 2006— September 2018, dengan inflasi sebagai variabel output dan BI rate sebagai variabel input. Penelitian ini bertujuan untuk memodelkan data deret waktu dari variabel inflasi dan BI rate dan meramalkan inflasi dengan model ECM-GARCH. Hasil analisis menunjukkan bahwa model ECM-GARCH yang terbentuk sesuai karakteristik data inflasi dan BI rate adalah model ECM-GARCH(0,1) dengan hubungan disekuilibrium pada model ECM yang dijelaskan oleh model Autoregressive Distributed Lag (ARDL) dengan orde (2,1). Peramalan inflasi untuk tiga periode ke depan menggunakan model ECM-GARCH menghasilkan nilai inflasi yang mengalami kenaikan, yaitu untuk bulan Oktober, November, dan Desember berturut-turut sebesar 3.154%;3.610%; dan 3.889%.
English Abstract
Error Correction Model (ECM) as well as the ARIMA model and a simple linear regression model, require that the assumptions of homocedasticity or constant error variance be fulfilled. One modelling method for explaining the phenomena of a non-constant error variance is Generalized Autoregressive Conditional Heteroscedasticity (GARCH) model, which assumes a non-constant error variance as something that can be modeled. The data used in this research are monthly inflation and BI rate from November 2006—September 2018, with inflation as the output variable and BI rate as the input variable. This research aims to model time series data from monthly inflation and BI rate, and to predict inflation with the ECM-GARCH model. The results of the analysis show that the ECM-GARCH model formed according to the characteristics of inflation and BI rate data is the ECM-GARCH (0,1) model, with the disequilibrium relationship in the ECM model described by the Autoregressive Distributed Lag (ARDL) model with order (2,1). Inflation forecasting for the next three periods using ECM-GARCH model resulted in an increase of inflation, which is for October, November and December respectively at 3.154%;3.610%; and 3.889%.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2018/443/051900372 |
Uncontrolled Keywords: | Inflasi, BI rate, ARDL, ECM-GARCH Inflation, BI rate, ARDL, ECM-GARCH |
Subjects: | 300 Social sciences > 332 Financial economics > 332.4 Money > 332.41 Value of money |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 01 Jul 2020 03:22 |
Last Modified: | 18 Oct 2021 05:55 |
URI: | http://repository.ub.ac.id/id/eprint/168280 |
Preview |
Text
Natasa Talina Mahmud (2).pdf Download (2MB) | Preview |
Actions (login required)
![]() |
View Item |