Peramalan Harga Komoditas dengan Menggunakan Metode Arima-Garch
Abstract
Emas, Tembaga dan Minyak merupakan jenis komoditas yang banyak diincar oleh para investor untuk menanamkan modal dengan cara melakukan investasi pada jenis komoditas tersebut. Prediksi harga komoditas sangat bermanfaat bagi investor untuk melihat prospek investasi komoditas pada suatu perusahaan di masa yang akan datang. Harga komoditas memiliki karakteristik data yang tidak stabil atau sering disebut volatilitas. Untuk mengatasi permasalahan tersebut, dilakukan peramalan dengan metode ARIMA dan ARIMA-GARCH. Dipilih dua metode tersebut karena dua metode ini cocok untuk meramalkan sesuatu yang memiliki data history yang kuat. Metode ARIMA ARCH-GARCH lebih cocok digunakan untuk data-data yang memliki volatilitas yang tinggi atau terdapat heteroskedastisitas pada residual data, sehingga hasil prediksi lebih akurat. Hal ini dibuktikan dengan nilai AIC lebih kecil dari pada hanya menggunakan metode ARIMA. Model terbaik untuk komoditas Emas adalah ARIMA(0,1,1) – GARCH(1,1) sedangkan komoditas tembaga memiliki model terbaik yaitu ARIMA(2,1,2) – GARCH(1,1) dan komoditas minyak yaitu ARIMA(1,1,1) – GARCH(0,1). Nilai MAPE (Mean Absolute Percentage Error) untuk masing-masing komoditas berturut-turut adalah 1,113; 0,542 dan 1,158 untuk Emas, Tembaga dan Minyak.
References
Bolerslev, T., “Generalized Autoregressive Conditional Heteroskedasticity. Journal of Ecoometrics. 307-327., 1986
Box, G. E. P and Jenkins, G. M., “Time Series Analysis”, Prenticehall, 1994
Faustina, R. S., “Model Hybrid ARIMA-GARCH untuk Estimasi Volatilitas Harga Emas Menggunakan Software R”. Universitas Negeri Semarang, 2016
Guha, B and Gautam B., “Gold Price Forecasting Using ARIMA Model”. Journal of Advanced Management Science Vol. 4, No. 2, March 2016
Gross G. and Galiana, F. D., “Short-Term load forecasting,” 1987, Proc. IEEE, vol. 75, no. 12, pp. 1558–1573.
K. Puspatika dan Y. Kusumawati, “Peramalan Harga Cabai Dengan Metode Arima Arch-Garch Dan Single Moving Average Di Kota Semarang,” Journal of Information System, Vol 03, No 02 Nopember 2018
KumarMahto A., Biswas R., Alam M.A., Short Term Forecasting of Agriculture Commodity Price by Using ARIMA: Based on Indian Market. In: Singh M., Gupta P., Tyagi V., Flusser J., Ören T., Kashyap R. (eds) Advances in Computing and Data Sciences. ICACDS 2019. Communications in Computer and Information Science, vol 1045. Springer, Singapore
Muttaqiena, A., "Trading Komoditas Untuk Memperkaya Portofolio". Akses di website www.seputarforex.com/amp/artikel/trading-komoditas-untuk-memperkaya-portofolio-227199-33 (diakses 3 Maret 2020)
Nochai, R, and Titida, N., ”ARIMA Model for Forecasting Oil Palm Price”. 2006. Thailand.
Suhartono, “Analisis Data Statistika dengan R”. Lab. Statistik Komputasi. ITS, Surabaya, 2008
Weiss, E. “Forecasting commodity prices using ARIMA,” Technical Analysis of Stocks & Commodities, vol. 18, no. 1, pp. 18–19., 2000