Article Per Year (5 Year)
p-Index From 2021 - 2026
7.183
P-Index
This Author published in this journals
All Journal CAUCHY: Jurnal Matematika Murni dan Aplikasi Gamatika Transformatika: Jurnal Bahasa, Sastra, dan Pengajarannya KREDO : Jurnal Ilmiah Bahasa dan Sastra Journal of Indonesian Legal Studies Wikrama Parahita : Jurnal Pengabdian Masyarakat JAPANEDU: Jurnal Pendidikan dan Pengajaran Bahasa Jepang JMM (Jurnal Masyarakat Mandiri) Lex Scientia Law Review Jurnal Tadris Matematika Anterior Jurnal Syariah: Jurnal Hukum dan Pemikiran Martabe : Jurnal Pengabdian Kepada Masyarakat Journal of Dedicators Community Jurnal Pendidikan Matematika (JUDIKA EDUCATION) Jurnal Studia Insania Ta`Limuna : Jurnal Pendidikan Islam JMIE (Journal of Madrasah Ibtidaiyah Education) Jurnal Kajian Peradaban Islam Jurnal Fundadikdas (Fundamental Pendidikan Dasar) M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika SeBaSa: Jurnal Pendidikan Bahasa dan Sastra Indonesia Edukasia : Jurnal Pendidikan Jurnal Absis : Jurnal Pendidikan Matematika dan Matematika Jurnal Review Pendidikan Dasar : Jurnal Kajian Pendidikan dan Hasil Penelitian Community Development Journal: Jurnal Pengabdian Masyarakat Law Research Review Quarterly Jumat Keagamaan: Jurnal Pengabdian Masyarakat International Journal of Educational Review, Law And Social Sciences (IJERLAS) Jurnal Kajian Peradaban Islam Winter Journal: IMWI Student Research Journal Journal of Education Research Sultan Idris Journal of Psychology and Education Jurnal Hukum dan Peradilan TAUJIHAT: Jurnal Bimbingan Konseling Islam Journal of Artificial Intelligence and Digital Business Getek : Jurnal Pengabdian Kepada Masyarakat Muta'allim: Jurnal Pendidikan Agama Islam Galois : Jurnal Penelitian Pendidikan Matematika TRANSFORMATIKA: Jurnal Bahasa, Sastra, dan Pengajarannya Devotion : Jurnal Pengabdian Psikologi Jurnal Tadris Matematika JIS: Journal ISLAMIC STUDIES JPEMAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Al-Husna
Siti Faridah
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Neuroscience Public Health Social Sciences Other

Published : 77 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Gamatika

 1 
PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH Faridah, Siti; Fahcruddin, Imam
Gamatika Vol 1, No 1: Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sebagian besar data deret waktu ekonomi dan keuangan, asumsi  kestasioneran varians (heteroskedastisitas)  untuk model Autoregresif (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) adalah ditolak. Bagaimanapun Model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) dapat digunakan sebagai asumsi untuk data dengan varians yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah memodelkan nilai tukar dolar terhadap rupiah dengan menggunakan model GARCH dan mengetahui peramalan nilai tukar dollar terhadap rupiah dengan menggunakan model GARCH. Model GARCH dimulai dengan transformasi data kedalam model , kemudian sisaan kuadratiknya diuji untuk mengetahui adanya efek ARCH/GARCH. Estimasi parameter yang digunakan adalah Maximum Likelihood (ML) untuk mendapatkan nilai  dan untuk menguji model diuji dengan sisaan yang sudah dibakukan menggunakan statistik Ljung-Box Q. Model GARCH(1,1) sudah cukup baik  jika tidak ada pengaruh dari ARCH/GARCH dalam sisaan yang dibakukan. Akhir dari penilitian ini, model GARCH dalam nilai tukar dollar terhadap rupiah  adalah : Dengan model di atas dapat diramalkan untuk tanggal 1 juli 2010 nilai tukar dollar terhadap rupiah berkisar antara Rp. 9089.377 dan Rp. 9089.638. Kata kunci : Peramalan, Transsformasi, maximum likelihood, GARCH. Abstract Most of the time series data of economic and financial assumptions kestasioneran variance (heteroscedasticity) to model the autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA) is rejected. However Autoregressive Conditional Heteroscedastic Model (ARCH) and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) can be used as an assumption for data with stationary variances (heteroscedasticity). The purpose of this study was to model the exchange rate of the dollar against the rupiah using GARCH models and know forecasting the dollar against the rupiah using GARCH models. GARCH model begins with the transformation of data into the model , then the remnant quadratic tested to determine the effects of ARCH / GARCH. Estimation of the parameters used is Maximum Likelihood (ML) to get the value and to test models that have been tested with standardized remnant using Ljung-Box Q statistics. GARCH model (1,1) is good enough if there is no effect of ARCH / GARCH standardized in the remnant. The studies end of this, GARCH models in the dollar against the rupiah exchange rate is: With the above model can be predicted for the 1 July 2010 the exchange rate of the dollar against the rupiah ranged between Rp. 9089.377 and Rp. 9089,638. Keywords: Forecasting, Transsformtioni, maximum likelihood, GARCH.
PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH Faridah, Siti; Fahcruddin, Imam
Gamatika Vol 1, No 1 (2010): Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sebagian besar data deret waktu ekonomi dan keuangan, asumsi  kestasioneran varians (heteroskedastisitas)  untuk model Autoregresif (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) adalah ditolak. Bagaimanapun Model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) dapat digunakan sebagai asumsi untuk data dengan varians yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah memodelkan nilai tukar dolar terhadap rupiah dengan menggunakan model GARCH dan mengetahui peramalan nilai tukar dollar terhadap rupiah dengan menggunakan model GARCH. Model GARCH dimulai dengan transformasi data kedalam model , kemudian sisaan kuadratiknya diuji untuk mengetahui adanya efek ARCH/GARCH. Estimasi parameter yang digunakan adalah Maximum Likelihood (ML) untuk mendapatkan nilai  dan untuk menguji model diuji dengan sisaan yang sudah dibakukan menggunakan statistik Ljung-Box Q. Model GARCH(1,1) sudah cukup baik  jika tidak ada pengaruh dari ARCH/GARCH dalam sisaan yang dibakukan. Akhir dari penilitian ini, model GARCH dalam nilai tukar dollar terhadap rupiah  adalah : Dengan model di atas dapat diramalkan untuk tanggal 1 juli 2010 nilai tukar dollar terhadap rupiah berkisar antara Rp. 9089.377 dan Rp. 9089.638. Kata kunci : Peramalan, Transsformasi, maximum likelihood, GARCH. Abstract Most of the time series data of economic and financial assumptions kestasioneran variance (heteroscedasticity) to model the autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA) is rejected. However Autoregressive Conditional Heteroscedastic Model (ARCH) and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) can be used as an assumption for data with stationary variances (heteroscedasticity). The purpose of this study was to model the exchange rate of the dollar against the rupiah using GARCH models and know forecasting the dollar against the rupiah using GARCH models. GARCH model begins with the transformation of data into the model , then the remnant quadratic tested to determine the effects of ARCH / GARCH. Estimation of the parameters used is Maximum Likelihood (ML) to get the value and to test models that have been tested with standardized remnant using Ljung-Box Q statistics. GARCH model (1,1) is good enough if there is no effect of ARCH / GARCH standardized in the remnant. The studies end of this, GARCH models in the dollar against the rupiah exchange rate is: With the above model can be predicted for the 1 July 2010 the exchange rate of the dollar against the rupiah ranged between Rp. 9089.377 and Rp. 9089,638. Keywords: Forecasting, Transsformtioni, maximum likelihood, GARCH.
PENERAPAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (GARCH) DALAM PERAMALAN NILAI TUKAR DOLAR TERHADAP RUPIAH Faridah, Siti; Fahcruddin, Imam
Gamatika Vol 1, No 1 (2010): Jurnal Gagasan Matematika Dan Informatika
Publisher : Gamatika

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Sebagian besar data deret waktu ekonomi dan keuangan, asumsi  kestasioneran varians (heteroskedastisitas)  untuk model Autoregresif (AR), Moving Average (MA), dan Autoregressive Moving Average (ARMA) adalah ditolak. Bagaimanapun Model Autoregressive Conditional Heteroscedastic (ARCH) dan Generalized Autoregressive Conditional Heteroscedastic (GARCH) dapat digunakan sebagai asumsi untuk data dengan varians yang tidak stasioner (heteroskedastisitas). Tujuan dari penelitian ini adalah memodelkan nilai tukar dolar terhadap rupiah dengan menggunakan model GARCH dan mengetahui peramalan nilai tukar dollar terhadap rupiah dengan menggunakan model GARCH. Model GARCH dimulai dengan transformasi data kedalam model , kemudian sisaan kuadratiknya diuji untuk mengetahui adanya efek ARCH/GARCH. Estimasi parameter yang digunakan adalah Maximum Likelihood (ML) untuk mendapatkan nilai  dan untuk menguji model diuji dengan sisaan yang sudah dibakukan menggunakan statistik Ljung-Box Q. Model GARCH(1,1) sudah cukup baik  jika tidak ada pengaruh dari ARCH/GARCH dalam sisaan yang dibakukan. Akhir dari penilitian ini, model GARCH dalam nilai tukar dollar terhadap rupiah  adalah : Dengan model di atas dapat diramalkan untuk tanggal 1 juli 2010 nilai tukar dollar terhadap rupiah berkisar antara Rp. 9089.377 dan Rp. 9089.638. Kata kunci : Peramalan, Transsformasi, maximum likelihood, GARCH. Abstract Most of the time series data of economic and financial assumptions kestasioneran variance (heteroscedasticity) to model the autoregressive (AR), Moving Average (MA), and Autoregressive Moving Average (ARMA) is rejected. However Autoregressive Conditional Heteroscedastic Model (ARCH) and the Generalized Autoregressive Conditional Heteroscedastic (GARCH) can be used as an assumption for data with stationary variances (heteroscedasticity). The purpose of this study was to model the exchange rate of the dollar against the rupiah using GARCH models and know forecasting the dollar against the rupiah using GARCH models. GARCH model begins with the transformation of data into the model , then the remnant quadratic tested to determine the effects of ARCH / GARCH. Estimation of the parameters used is Maximum Likelihood (ML) to get the value and to test models that have been tested with standardized remnant using Ljung-Box Q statistics. GARCH model (1,1) is good enough if there is no effect of ARCH / GARCH standardized in the remnant. The studies end of this, GARCH models in the dollar against the rupiah exchange rate is: With the above model can be predicted for the 1 July 2010 the exchange rate of the dollar against the rupiah ranged between Rp. 9089.377 and Rp. 9089,638. Keywords: Forecasting, Transsformtioni, maximum likelihood, GARCH.
Co-Authors A'yuni, Qurrota Abbas, Ma'arif Achmad Fauzi Adawiyah, Nafisatul Adha, Nurul Adhim, Syahrul Afandi, Alfa Astiana Afiyani, Laila Ahmad Jauhari Akmal Akmal al-Amruzy, M. Fahmi Alfi Nur Nadiva Soetam Rizky Amanah, Fina Sabila Arinal Haq Arni Arni Asmaran AS, Asmaran Asri, Hendri Rahmayani Astuti, Nadya Batubara, Habson Chotimah, Octavia Darussallam, Darussalam Dharmawan, Muhammad Rizky Dinar Fauziyah, Fida Fa'ani, Arini Mayan Fadhila, Mahdia Fadliah, Rina Fazrian Ridhoni, Fazrian Febriana, Annisa Fina Sabila Amanah Fitrah, Harisa Fitriani, Nurul Huda Hafizhah, Namira Hamzah Hamzah Hantoro Arief Gisijanto Haq, Arinal Hartanti, Nenik Diah Hartati, Dian Hartini, Aditya Heryyanoor, Heryyanoor imadduddin, Imadduddin Imam Fahcruddin Imam Sudrajat, Imam Iqbal Hanif Iqbal Hanif, Iqbal Isayah, Khamaruddin Isma Hayati, Nur KHOLIFAH Kirana, Cut Ika Anugrah Kivah Aha Putra Kurniawati, Heni Kusumawati, Mutia LATIFAH Liadi, Fimeir Lideman, Lideman M. Ihsan Ramadhani Mahrita, Mahrita Maimanah Maimanah Maimanah Marhayati Marhayati Mathias, Jerico Mawardi, Agus Dian Mila Mila Zulfa MULYANI Mundayana, Yuani musfichin, musfichin Mustaji Mustaji, Mustaji Naefi, Mohammad Nafisatul Adawiyah Nashih, Muhammad Ngalimun Nisa, Rahmiatun Norani, Norani Novisari, Novisari Nugraha, Fir'ad Setya Nugroho, Arif Ganda Nur Lailatus Zahroh Nurfadillah, Ainaya Nurhafizah, Ayu Pamungkas, Onok Yayang Priyatna Hendriawan PUTRI WULANDARI Putri, Mutammimah Rahman, Sidqi Aulia Rahmi Azzahra, Islamyta Ramadani, Saviestya Dyan Ramadhani, Muhammad Ihsan Ratna Nulinnaja Revaldi, Muhammad Ridwan Arifin Rizky, Alfi Nur Nadiva Soetam Rofiqoh, Arina rubino, rubino Ruhmanasari, Sulistya Umie Rusdiana Rusdiana Sa'adah, Nangimatus SAHABUDDIN SAHABUDDIN Saputra, Ridho Indra Sarnadilah, Mayadah Saviestya Dyan Ramadani Setyarini, Ekaning Shanty Komalasari, Shanty Shinta Hadiyantina Siti Nurbaya Sitti Aida Azis, Sitti Aida Sopia, Sopia Srinawati, Srinawati Sudarsono Syaichudin, Mochammad Astiana Taufiq Satria Mukti Tunnoor, Saidah Ulum, Mukhammad Bahrul Ulviani , Maria Wahyu Henky Irawan Waspodo Tjipto Subroto Wiwik Handayani Wuri Handayani Yulia Hairina