PERAMALAN RETURN HARGA SAHAM MENGGUNAKAN METODE GJR-GARCH (GLOSTEN-JAGANNATHAN-RUNKLEGENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY) (Studi Kasus: Harga Saham PT. Astra Internasional Tbk (ASII))

Harga saham bersifat fluktuatif, banyak kasus data deret waktu dengan
volatilitas yang tidak konstan. Volatilitas yang tidak konstan menyebabkan
masalah heteroskedastisitas pada data. Tujuan dari penelitian ini adalah
memodelkan dan meramalkan data deret waktu dengan volatilitas yang tidak
konstan. Data yang digunakan adalah data return saham ASII. Salah satu metode
statistika yang dikembangakan untuk menganalisis data deret waktu yang
memiliki masalah heteroskedastisitas adalah GARCH (Generalized
Autoregressive Conditional Heteroscedasticity). Model GARCH dapat
diaplikasikan untuk peramalan pada data dengan volatilitas yang tidak konstan.
Akan tetapi, data finansial tidak selamanya simetris, beberapa diantaranya
memiliki volatilitas yang asimetris, maka model GARCH tidak dapat digunakan,
sehingga dikembangkan metode lainnya, yaitu model GJR-GARCH (Generalized
Autoregressive Conditional Heteroscedasticity). Model ini akan diaplikasikan
pada data harga saham PT. Astra Internasional Tbk. (ASII). Hasil penelitian
menunjukkan bahwa model terbaik berdasarkan nilai AIC terkecil adalah model
ARMA (1,1) GJR-GARCH (1,2), dengan nilai MAAPE sebesar 87, 187% yang
diperoleh dari perbandingan nilai hasi peramalan dan nilai aktual return saham
ASII. Ini menunjukkan bahwa model memiliki kemampuan peramalan yang
kurang baik dilihat dari nilai MAAPE > 50%.
Kata Kunci: Saham, Volatilitas, Heteroskedastisitas, Asimetris, GJR-GARCH,
MAAPE