<![CDATA[Indeks Harga Saham Gabungan adalah nilai untuk mengukur gabungan seluruh saham yang ada di Bursa Efek Indonesia (BEI). Data keuangan seperti data indeks saham pada umumnya memiliki volatilitas yang tinggi dan varian error yang tidak konstan (heteroskedastisitas). Volatilitas yang tinggi menyebabkan sulit untuk dilakukan estimasi pada data indeks harga saham. Estimasi indeks harga saham penting dilakukan agar investor dapat menaksir keuntungan yang didapat nantinya. Salah satu model yang dapat mengestimasi indeks harga saham yang mempunyai volatilitas tinggi dan varian error yang tidak stabil yaitu Generalized Autoregressive Conditional Heteroskedasticity (GARCH). Pada model GARCH yang berdistribusi normal tidak dapat mengakomodasi adanya sifat leptokurtic. Sifat leptokurtic ditandai dengan nilai kurtosis yang melebihi 3. Model yang dapat mengakomodasi adanya sifat leptokurtic adalah GARCH berdistribusi Student-t. Tujuan dari penelitian ini adalah mengestimasi nilai IHSG dengan model GARCH berdistribusi Student-t. Data yang digunakan yaitu data harian penutupan IHSG periode 2 Januari 2020 hingga 30 Desember 2020. Penelitian ini diawali dengan memilih model ARMA terbaik untuk data return. Selanjutnya, dilakukan uji heteroskedastisitas pada residual model ARMA. Jika terdapat heteroskedastisitas, maka pendugaan model menggunakan model GARCH. Sebelum dimodelkan kedalam model GARCH, residual diperiksa untuk melihat sifat leptokurtic. Jika terdapat leptokurtic, maka dilanjutkan dengan pendugaan model GARCH berdistribusi Student-t. Setelah didapat model GARCH berdistribusi Student-t, kemudian mengestimasi nilai IHSG. Berdasarkan analisis yang telah dilakukan, model terbaik untuk mengestimasi IHSG adalah GARCH (2,3) berdistribusi Student-t. Data hasil estimasi IHSG menunjukkan pergerakan yang mendekati data aktual. Nilai MAPE yang diperoleh pada penelitian ini sebesar 2,00%. Hal ini bermakna model GARCH (2,3) berdistribusi Student-t dapat digunakan untuk mengestimasi nilai IHSG.Kata Kunci: IHSG, leptokurtic, GARCH Student-t]]>
