ANALISIS MODEL GARCH DAN NEURO-GARCH UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG)

Indeks saham begitu sangat berpengaruh terhadap kegiatan ekonomi. Dalam pasar modal, jika indeks harga saham naik, maka secara teoritis kekayaan investor bertambah dan sebaliknya. Indeks Harga Saham Gabungan (IHSG) merupakan salah satu data time series. Model yang dapat meramalkan data time series yaitu model GARCH dan Neuro GARCH. Penelitian ini bertujuan untuk meramalkan Indeks Harga Saham Gabungan (IHSG) dengan menggunakan model GARCH dan Neuro GARCH kemudian membandingannya. Model yang paling baik adalah model yang memiliki nilai MAPE(Mean Absolute Percentage Error) terkecil. Pendekatan model GARCH terdiri dari empat tahap utama, yaitu tahap uji heteroskedastisitas, tahap identifikasi model, tahap uji model, dan terakhir adalah tahap peramalan. Data yang digunakan adalah data Indeks Harga Saham Gabungan (IHSG) mingguan periode Januari 2013-Januari 2015 yang diperoleh dari situs www.finance.yahoo.com. Hasil yang diperoleh model GARCH (1,1) dengan persamaan:Y_t=8.270535+Y_(t-1)-0.119667ε_(t-1)+ε_tdengan persamaan variansσ_t^2=5463.052+0.559698ε_(t-1)^2+0.037827σ_(t-1)^2Dan untuk analisis dengan model Neuro GARCH dengan jumlah layar tersembunyi 11 neuron, jumlah iterasi 5000, error 0.05 diperoleh persamaan garis untuk kecocokan terbaik:Y=(0.9946)T+(0.04)Hasil perbandingan model GARCH dan model Neuro GARCH diperoleh nilai MAPE masing-masing model yaitu 1.176726% dan 1.744947%. Nilai MAPE yang dihasilkan model GARCH lebih kecil dibandingkan MAPE model Neuro GARCH sehngga peramalan dengan menggunakan model GARCH lebih baik dibandingkan dengan menggunakan Neuro GARCH.