METODE HYBRID GLOSTEN-JAGANNATHAN-RUNKLE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DAN GATED RECURRENT UNIT (GJR-GARCH – GRU): Studi Kasus Indeks Harga Saham Properti Indonesia

Yusfrilina Aisyah Setyanto, - (2024) METODE HYBRID GLOSTEN-JAGANNATHAN-RUNKLE GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY DAN GATED RECURRENT UNIT (GJR-GARCH – GRU): Studi Kasus Indeks Harga Saham Properti Indonesia. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_MAT_2007770_Title.pdf Download (4MB)
	Text S_MAT_2007770_Chapter1.pdf Download (2MB)
	Text S_MAT_2007770_Chapter2.pdf Restricted to Staf Perpustakaan Download (9MB)
	Text S_MAT_2007770_Chapter3.pdf Download (1MB)
	Text S_MAT_2007770_Chapter4.pdf Restricted to Staf Perpustakaan Download (6MB)
	Text S_MAT_2007770_Chapter5.pdf Download (399kB)
	Text S_MAT_2007770_Appendix.pdf Restricted to Staf Perpustakaan Download (15MB)

Abstract

Properti telah menjadi salah satu investasi yang paling menarik perhatian para investor. Properti merupakan sektor yang sangat berpengaruh terhadap perekonomian di Indonesia. Hal ini disebabkan oleh faktor-faktor seperti urbanisasi, pertumbuhan ekonomi, peningkatan pendapatan masyarakat, dan perubahan perilaku konsumen yang lebih memilih kepemilikan rumah sebagai bentuk investasi jangka panjang. Namun, pasar properti juga dikenal karena fluktuasi harga yang tinggi, sehingga menyebabkan varians residual yang tidak konstan (heteroskedastisitas). Dalam penelitian ini akan digunakan model hybrid GJR-GARCH - GRU (Glosten-Jagannathan-Runkle Generalized Autoregressive Conditional Heteroscedasticity - Gated Recurrent Unit). Model GJR-GARCH adalah model deret waktu yang dapat digunakan untuk mengatasi masalah heteroskedastisitas serta menangkap pengaruh asimetris pada data. Selain itu, model GRU digunakan untuk mengatasi adanya non-linearitas pada data runtun waktu. Oleh karena itu diajukan model hybrid dari GJR-GARCH dan GRU untuk mengatasi kecenderungan data runtun waktu indeks saham properti Indonesia yang memenuhi karakteristik-karakteristik tersebut. Penelitian dimulai dengan melakukan pemodelan GJR-GARCH, kemudian residual dari hasil model tersebut diolah dengan model GRU. Hasil akhir prediksi pada penelitian ini menunjukkan bahwa model hybrid GJR-GARCH - GRU lebih baik dibandingkan dengan model GJR-GARCH. Property has become one of the most attractive investments for investors. Property is a sector that is very influential on the economy in Indonesia. This is due to factors such as urbanization, economic growth, increase in people's income, and changes in consumer behavior that prefer home ownership as a form of long-term investment. However, the property market is also known for its high price fluctuations, causing non-constant residual variance (heteroscedasticity). In this study, a hybrid GJR-GARCH - GRU (Glosten-Jagannathan-Runkle Generalized Autoregressive Conditional Heteroscedasticity - Gated Recurrent Unit) model will be used. The GJR-GARCH model is a time series model that can be used to overcome heteroscedasticity problems and capture asymmetric influences on data. In addition, the GRU model is used to overcome the non-linearity in time series data. Therefore, a hybrid model of GJR-GARCH and GRU is proposed to overcome the trend of Indonesian property stock index time series data that meets these characteristics. The research begins with GJR-GARCH modeling, then the residuals from the model results are processed with the GRU model. The final prediction results in this study show that the GJR-GARCH - GRU hybrid model is better than the GJR-GARCH model.

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing: Dadan Dasar: 6000619 Fitriani Agustina: 5981275
Uncontrolled Keywords:	Runtun waktu, Properti, GJR-GARCH, GRU Time series, Property, GJR-GARCH, GRU
Subjects:	Q Science > QA Mathematics
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User:	Yusfrilina Aisyah Setyanto
Date Deposited:	03 Sep 2024 08:05
Last Modified:	03 Sep 2024 08:05
URI:	http://repository.upi.edu/id/eprint/122138

Actions (login required)

View Item