Peramalan Kurs Jual Uang Kertas Mata Uang Singapore Dollar (SGD) terhadap Rupiah Menggunakan Model ARFIMA (Autoregressive Fractionally Integrated Moving Average)


Rini Cahyandari(1*), Rima Erviana(2)

(1) UIN Sunan Gunung Djati Bandung, Indonesia
(2) UIN Sunan Gunung Djati Bandung, Indonesia
(*) Corresponding Author

Abstract


Model ARFIMA (Autoregressive Fractionally Integrated Moving Average) merupakan pengembangan dari model ARIMA yang pertama kali dikenalkan oleh Granger dan Joyeux (1980). Sedangkan Hosking (1981) memperkenalkan sifat jangka panjang (long memory) pada data dengan ciri hasil plot ACF (Autocorrelation Function) turun lambat secara hiperbolik dan memiliki nilai Statistik Hurst antara 0.5 < H < 1 . Model ARFIMA memiliki tiga parameter yaitu p, d, dan q. Dimana p adalah parameter autoregressive, d adalah parameter differencing dan q adalah parameter moving average. Dimana parameter d berupa bilangan riil antara -0.5 < d < 0.5 dan dapat dicari mengguakan metode regresi spektral. Penelitian terhadap kurs uang kertas mata uang Singapore Dollar terhadap rupiah dilakukan untuk mengetahui hasil estimasi parameter d dengan menggunakan regresi spektral untuk peramalan menggunakan model ARFIMA dan memperoleh kesimpulan bahwa model tersebut telah memenuhi dan memadai untuk dijadikan model peramalan. Dimana pada tahap identifikasi data memiliki nilai statistik Hurst sebesar 0.967 yang menunjukan H > 0.5 sehingga pola long memory. Model terbaik berdasarkan nilai MSE dan AIC terkecil sebesar MSE = 2173.33 dan AIC = -1238.81 yang dihasilkan yaitu pada data kurs uang kertas SGD terhadap rupiah dengan ARFIMA (7, d=-0.42, 7) dengan d=-0.42 menyatakan ARFIMA proses stasioner dengan ACF dan PACF semua negatif menunjukan turun lambat secara hiperbolik menuju nol dengan lag meningkat.

Keywords


Regresi Spektral, Long Memory, ARFIMA

References


Beran. Jan, Statistic for Long-Memory Processes, Departement of Economics and Statistics University of Konstanz, Germany, 1994.

Crawley. Michael. J, Statistics An Introduction Using R, British Library Cataloguing in Publication Data, London, 2005.

Darmawan. Gumgum, Pemodelan ARFIMA Nonstasioner melalui Metode Modifikasi GPH, Universitas Padjadjaran, 2010.

Darmawan. Gumgum, dkk, Perbandingan Akurasi Penaksiran Pembeda pada Model ARFIMA melalui Metode Regresi spektral ,ITS, Surabaya, 2008.

Darmawan. Gumgum, Perbandingan Metode pada Peramalan ARFIMA, Universitas Padjadjaran, 2008.

Darmawan. Gumgum, Suhartono, Perbandingan Model Pada DataDeret Waktu Pemakaian Listrik Jangka Pendek yang Mengandung Pola Musiman Ganda, dipersentasikan pada Seminar Nasional Matematika dan Pendidikan Matematika, Universitas Padjadjaran, 2010.

(http://repository.unpad.ac.id/bitstream/handle/123456789/283/perbandingan_model_pada_data_deret_waktu.pdf?sequence=1)

Makridakis. Spyros, Metode dan Aplikasi Peramalan, Jakarta, Penerbit Erlangga, 1992.

Murray. R. Siege, Ph.D. Larry J. Stephens, Teori dan Soal-Soal Statistik, Penerbit Erlangga, 2004.

Ningrum. Kusuma. Liana, Penerapan Model Autoregressive Fractionally Integreted Moving Average (ARFIMA) dalam Peramalan Suku Bunga Sertifikat Bang Indonesia (SBI), Skripsi Program Sarjana Universitas Sebelas Maret, Surakarta, 2009.

(http://digilib.uns.ac.id/pengguna.php?mn=detail&d_id=12703)

Palma. Wilfredo, Long-Memory Time Series Theory and Method, A John Willey and Sons, Inc. Publication, Ponticifia Universidad Catolica de Chile, 2007.

Prasitia. Annisa.Hamum, dkk, Long Memory Pada Data Nilai Tukar Rupiah Terhadap Dolar Amerika Serikat(USD), Institut Teknologi Surabaya, 2010.

(http://digilib.its.ac.id/public/ITS-Undergraduate-10926-long-memory-pada-data-nilai-tukar-rupiah-terhadap-dollar-amerika-serikat-usd.pdf)

Putriana, Meramalkan Penjualan Teh Botol di Kantor Penjualan Rancaekek dengan menggunakan Model ARFIMA, Skripsi Pogram Sarjana Universitas Padjajaran, Jatinangor, 2011.

Sittu, I, Olanrewaju, Yaya. Simon. Olaoluwa, Measuring Forecast Performance of ARMA and ARFIMA Models: An Application to US Dollar/UK Pound Foreign Exchange Rate,European Journal of Scientific Research, 32 (2), 167-176, 2009.

(http://www.eurojournals.com/ejsr_32_2_04.pdf)

Suhartono, Analisis Data Statistik dengan R, ITS, Surabaya, 2008.

W. S. Wei, Time Series Analisys Univariate and Multivariate Method, Addasion Wesley Publishing Company Inc, United Statet of Amerika, 1994.

www.scribd.com/doc/76709392/ukuran-pemusatan, diakses tanggal 29 juni 2012 Pukul 24.34 WIB

http://www.thecromwellworkshop.com/TCW_App/Data/Sites/1/r_scripts/R_Fractal_Script_2_May_27.txt, diakses tanggal 07 juli 2012 Pukul 15.58 WIB.

http://www.bi.go.id/web/id/Moneter/Kurs+Bank+Indonesia/Kurs+Uang+ Kertas+ Asing/, diakses tanggal 1April 2012




DOI: https://doi.org/10.15575/kubik.v1i1.323

Refbacks

  • There are currently no refbacks.


Copyright (c) 2015 Rini Cahyandari, Rima Erviana

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Journal KUBIK: Jurnal Publikasi Ilmiah Matematika has indexed by:

SINTA DOAJ Dimensions Google Scholar Garuda Moraref DOI Crossref

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.