Pemodelan Return Saham Perbankan Menggunakan Generalized Autoregressive Conditional Heteroscedasticity

Abstract

Tujuan utama investor adalah untuk mendapatkan keuntungan atau
return dari investasi yang telah dilakukannya. Untuk mendapatkan
hasil investasi yang tepat, investor perlu mengetahui kondisi
keuntungan saham di masa yang akan datang. Sektor perbankan saat
ini masih memimpin kenaikan harga-harga saham di Bursa Efek
Jakarta sehingga saham perbankan banyak diburu oleh para investor.
Bank Central Asia atau BCA merupakan salah satu perusahaan yang
paling banyak diminati para investor karena BCA menduduki
peringkat kedua di kawasan Asia Tenggara sebagai bank
berkapitalisasi pasar terbesar. Salah satu indikator penting yang harus
di amati dalam menentukan investasi adalah volatilitas sebagai
penanda naik atau turunnya harga saham. Model ARIMA merupakan
salah satu model peramalan yang digunakan dalam data deret waktu,
model ARIMA ini mengasumsikan bahwa varian residual konstan.
Volatilitas yang tinggi dapat menyebabkan nilai varian yang berubah
sehingga memungkinkan terjadinya heteroskedastisitas. Model ARIMA
tidak dapat mengatasi masalah heteroskedastisitas pada residual data
sehingga model yang dapat digunakan adalah model Autoregressive
Conditional Heteroscedasticity (ARCH) atau Generalized
Autoregressive Conditional Heteroscedasticity (GARCH). Data yang
digunakan dalam penelitian ini adalah data return harga saham
perbankan pada periode 19 Mei 2014 sampai 25 September 2017. Dari
hasil analisis, model yang terbentuk ARIMA (19,0,19) GARCH (1,1)
adalah model yang terbaik karena memiliki nilai AIC terendah dari
model lainnya yaitu sebesar -5,987576.