<![CDATA[Pada pemodelan stokastik asumsi error diperlukan untuk memvalidasi suatu model. Error yang baik adalah error yang kecil, berdistribusi normal dan memenuhi sifat keacakan. Metode Autoregressive Integrated Moving Average (ARIMA) merupakan salah satu model stokastik yang memperhatikan asumsi error tersebut. Pada penelitian ini, error model dimodifikasi agar diperoleh error yang lebih kecil namun tetap memenuhi asumsi error. Model yang diusulkan adalah model ARIMA Semiparametrik. Model ARIMA semiparametrik merupakan teknik pemodelan yang menggabungkan model ARIMA parametrik (konvensional) dengan model nonparametrik. Tujuan dari penelitian ini adalah untuk membandingkan hasil pemodelan ARIMA semiparametrik dengan model ARIMA parametrik pada data Indeks Harga Saham Gabungan (IHSG). Langkah-langkahnya diawali dengan metode ARIMA secara parametrik, selanjutnya dilakukan pemodelan nonparametrik pada error yang dihasilkan oleh metode ARIMA parametrik. Hasil penelitian menunjukkan bahwa analisis data deret waktu menggunakan model ARIMA semiparametrik ini menghasilkan model estimasi yang lebih baik dari model ARIMA parametrik. Hal ini dapat dilihat dari nilai RMSE yang diperoleh yaitu senilai 59,224. Kata Kunci : estimasi, deret waktu, regresi kernel, ARIMA]]>
Copyrights © 2022
