Isikan kesimpulan anda disini 
Kesimpulan Pembelajaran: Metode ECM dan Kointegrasi
ECM ( Error correction mechnism ) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Metode ECM digunakan menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan/hubungan ekonomi jangka panjang.
Kointegrasi merupakan salah satu metode untuk mengindikasikan kemungkinan adanya hubungan kesetimbangan (equilibrium) jangka panjang antara variabel dependen dan variabel independen. Namun, walaupun terdapat kesetimbangan jangka panjang akan tetapi dalam jangka pendek mungkin saja keduanya tidak mencapai kesetimbangan. Regresi lancung biasanya terjadi pada data yang bersifat trend. Data variabel dependen dan variabel independen sama-sama menunjukkan kecenderungan meningkat dengan bertambahnya waktu. Data seperti ini tidak bersifat stasioner, tetapi bila dianalisis secara bersama-sama akan bersifat stasioner. Biasanya pada diferensi pertama akan bersifat stasioner.
Dalam kasus regresi lancung (spurious regression) perlu diingat untuk tidak melakukan analisis regresi diantara variabel-variabel runtun waktu Yt dan Xt ketika keduanya memiliki unit root, kecuali keadaan dimana Yt dan Xt berkointegrasi.
Kointegrasi terjadi apabila variabel independen dan variabel dependen sama-sama merupakan suatu trend, sehingga masing-masing tidak stasioner. Namun apabila keduanya diregresikan akan menyebabkan kombinasi liniernya menjadi stasioner.
Nama dan NPM: Dina Ockta Irani 1712110212
ECM ( Error correction mechnism ) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Metode ECM digunakan menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan/hubungan ekonomi jangka panjang.
Kointegrasi merupakan salah satu metode untuk mengindikasikan kemungkinan adanya hubungan kesetimbangan (equilibrium) jangka panjang antara variabel dependen dan variabel independen. Namun, walaupun terdapat kesetimbangan jangka panjang akan tetapi dalam jangka pendek mungkin saja keduanya tidak mencapai kesetimbangan. Regresi lancung biasanya terjadi pada data yang bersifat trend. Data variabel dependen dan variabel independen sama-sama menunjukkan kecenderungan meningkat dengan bertambahnya waktu. Data seperti ini tidak bersifat stasioner, tetapi bila dianalisis secara bersama-sama akan bersifat stasioner. Biasanya pada diferensi pertama akan bersifat stasioner.
Dalam kasus regresi lancung (spurious regression) perlu diingat untuk tidak melakukan analisis regresi diantara variabel-variabel runtun waktu Yt dan Xt ketika keduanya memiliki unit root, kecuali keadaan dimana Yt dan Xt berkointegrasi.
Kointegrasi terjadi apabila variabel independen dan variabel dependen sama-sama merupakan suatu trend, sehingga masing-masing tidak stasioner. Namun apabila keduanya diregresikan akan menyebabkan kombinasi liniernya menjadi stasioner.
Nama dan NPM: Dina Ockta Irani 1712110212
kesimpulan metode ARCH/GARCH
ARCH/GARCH adalah suatu model peramalan/forecasting time series yang digunakan dalam single equation artinya hanya menggunakan satu variabel saja. Dengan menggunakan informasi periode data yang lalu dapat meramal nilai data untuk periode yang akan datang
ARCH/GARCH biasanya digunakan untuk mencari volitalitas suatu data. Yang dilihat adalah pengaruh varian dan error kuadrat dari series datanya. ARCH/GARCH adalah kelanjutan dari peramalam model ARIMA, dimana syarat yang digunakan apabila model ARIMA yang dipilih tidak memenuhi asumsi homokedastisitas artinya modelnya masih mengandung heterokedastistas.
Sehingga akan didapat beberapa model ARCH/GARCH. Setelah model didapat biasanya yang dipilih adalah model yang signifikan, error terkecil, bias proportion terkecil, korelasinya tinggi serta memenuhi asumsi normalitas dan homokedastisitas barulah model tersebut dapat digunakan untuk melakukan forecast/peramalan untuk nilai data periode berikutnya.
Adapun model umum ARCH/GARCH (p,q,r), p adalah arch, q adalah diffrence, dan r adalah garch
Misal: GARCH (1,0,0) artinya menggunakan ARCH(1,0) pada data level
GARCH (0,0,1) artinya menggunakan GARCH(1,0) pada level
GARCH (1,0,1) artinya menggunakan ARCH(1,0) dan GARCH(1,0) pada data level
GARCH (1,1,1) artinya menggunakan ARCH(1,1) dan GARCH(1,1) pada data difference I
Model ARCH memanfaatkan data error kuadrat periode sebelumnya sedangkan GARCH memanfaatkan data varian periode sebelumnya untuk meramal data periode berikutnya.
Nama : rizki wahyuningsih
Npm : 1712110359
ARCH/GARCH adalah suatu model peramalan/forecasting time series yang digunakan dalam single equation artinya hanya menggunakan satu variabel saja. Dengan menggunakan informasi periode data yang lalu dapat meramal nilai data untuk periode yang akan datang
ARCH/GARCH biasanya digunakan untuk mencari volitalitas suatu data. Yang dilihat adalah pengaruh varian dan error kuadrat dari series datanya. ARCH/GARCH adalah kelanjutan dari peramalam model ARIMA, dimana syarat yang digunakan apabila model ARIMA yang dipilih tidak memenuhi asumsi homokedastisitas artinya modelnya masih mengandung heterokedastistas.
Sehingga akan didapat beberapa model ARCH/GARCH. Setelah model didapat biasanya yang dipilih adalah model yang signifikan, error terkecil, bias proportion terkecil, korelasinya tinggi serta memenuhi asumsi normalitas dan homokedastisitas barulah model tersebut dapat digunakan untuk melakukan forecast/peramalan untuk nilai data periode berikutnya.
Adapun model umum ARCH/GARCH (p,q,r), p adalah arch, q adalah diffrence, dan r adalah garch
Misal: GARCH (1,0,0) artinya menggunakan ARCH(1,0) pada data level
GARCH (0,0,1) artinya menggunakan GARCH(1,0) pada level
GARCH (1,0,1) artinya menggunakan ARCH(1,0) dan GARCH(1,0) pada data level
GARCH (1,1,1) artinya menggunakan ARCH(1,1) dan GARCH(1,1) pada data difference I
Model ARCH memanfaatkan data error kuadrat periode sebelumnya sedangkan GARCH memanfaatkan data varian periode sebelumnya untuk meramal data periode berikutnya.
Nama : rizki wahyuningsih
Npm : 1712110359
Dari video penjelasan tentang teknik forecasting dapat disimpulkan sebagai berikut:
Peramalan merupakan tahapan awal dalam perencanaan sistem operasi produksi. Peramalan adalah kegiatan memperkirakan tingkat permintaan produk yang diharapkan untuk suatu produk atau beberapa produk dalam jangka waktu di masa yang akan datang.
Peramalan akan membantu mengambil keputusan dalam mengurangi ketidakpastian dalam menentukan perencanaan, hasil peramalan akan digunakan sebagai referensi untuk membuat keputusan.
Kegiatan peramalan adalah salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat di produksi dalam jumlah yang tepat.
Dalam video tutorial peramalan ini di lengkapi dengan menggunakan SPSS dan excel, kemudian terdiri dari variabel X dan variabel Y
Peramalan merupakan tahapan awal dalam perencanaan sistem operasi produksi. Peramalan adalah kegiatan memperkirakan tingkat permintaan produk yang diharapkan untuk suatu produk atau beberapa produk dalam jangka waktu di masa yang akan datang.
Peramalan akan membantu mengambil keputusan dalam mengurangi ketidakpastian dalam menentukan perencanaan, hasil peramalan akan digunakan sebagai referensi untuk membuat keputusan.
Kegiatan peramalan adalah salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat di produksi dalam jumlah yang tepat.
Dalam video tutorial peramalan ini di lengkapi dengan menggunakan SPSS dan excel, kemudian terdiri dari variabel X dan variabel Y
Mira yunita
1712110139
Jadi kesimpulan dari pembelajaran teknik forecasting menurut saya, Metode forecasting itu pada dasarnya merupakan metode peramalan yang biasanya digunakan untuk meramal dari persamaan data-data yang menggunakan data ponseris,
Analisis kuantitatif yang mana didalam analisis kuantitatif itu sendiri kita ingin melihat bagaimana fenomena dari suatu kejadian yang berkaitan dengan kejadian lain.
Kompenen deret waktu terbagi meliputi:
* Data deret waktu (time series) merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang memengaruhi nya( independent variable) yang dikaitkan dengan waktu seperti mingguan, bulan , triwulan, catur wulan , semester atau tahun. Metode peramalan ini terdiri dari:
- metode smoting: merupakan jenis peramalan jangka pendek seperti perencanaan persediaan dan perencanaan keuangan , tujuan penggunaan metode ini adalah mengurangi ketidakteraturan data masa lampau seperti musiman.
- metode box jenkins merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
- metode proyeksi trend merupakan metode yang digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis. dalam analisis time series yang menjadi variabel yang dicari adalah waktu.
Secara garis besar dua movering average meliputi 2 macam:
1.Simple moving average merupakan salah satu jenis indikator moving average yang paling sederhana untuk trading, pada dasarnya simple average dihitung dengan menjumlahkan beberapa harga penutupan terakhir. Misal x priode dan kemudian membagi jumlah tersebut dengan x.
2.Double moving average merupakan rata-rata bergerak kedua. Dengan kata lain yaitu hasil dari single moving average digunakan untuk melakukan double moving average. Lebih mudahnya lagi dapat dikatakan rata-rata bergerak dari rata-rata bergerak sebelumnya. Double moving average dapat digunakan ketika data aktual mempunyai pola tren. Pada metode ini orde yang digunakan harus sama, misal 3x3, maksudnya dari data awal dilakukan moving average dengan orde 3, kemudian hasil dari MA (3) dilakukan moving average dengan orde 3 juga.
Nama: Clara agustin
Npm: 1712110068
Analisis kuantitatif yang mana didalam analisis kuantitatif itu sendiri kita ingin melihat bagaimana fenomena dari suatu kejadian yang berkaitan dengan kejadian lain.
Kompenen deret waktu terbagi meliputi:
* Data deret waktu (time series) merupakan hubungan antara variabel yang dicari (dependent) dengan variabel yang memengaruhi nya( independent variable) yang dikaitkan dengan waktu seperti mingguan, bulan , triwulan, catur wulan , semester atau tahun. Metode peramalan ini terdiri dari:
- metode smoting: merupakan jenis peramalan jangka pendek seperti perencanaan persediaan dan perencanaan keuangan , tujuan penggunaan metode ini adalah mengurangi ketidakteraturan data masa lampau seperti musiman.
- metode box jenkins merupakan deret waktu dengan menggunakan model matematis dan digunakan untuk peramalan jangka pendek.
- metode proyeksi trend merupakan metode yang digunakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matematis. dalam analisis time series yang menjadi variabel yang dicari adalah waktu.
Secara garis besar dua movering average meliputi 2 macam:
1.Simple moving average merupakan salah satu jenis indikator moving average yang paling sederhana untuk trading, pada dasarnya simple average dihitung dengan menjumlahkan beberapa harga penutupan terakhir. Misal x priode dan kemudian membagi jumlah tersebut dengan x.
2.Double moving average merupakan rata-rata bergerak kedua. Dengan kata lain yaitu hasil dari single moving average digunakan untuk melakukan double moving average. Lebih mudahnya lagi dapat dikatakan rata-rata bergerak dari rata-rata bergerak sebelumnya. Double moving average dapat digunakan ketika data aktual mempunyai pola tren. Pada metode ini orde yang digunakan harus sama, misal 3x3, maksudnya dari data awal dilakukan moving average dengan orde 3, kemudian hasil dari MA (3) dilakukan moving average dengan orde 3 juga.
Nama: Clara agustin
Npm: 1712110068
Nama : Putri Indah Novari
Npm : 1712110267
Kesimpulan Pembelajaran : menurut saya kesimpulan dari TEKNIK FORECATING iyalah Metode Forecasting merupakan metode peramalan yang biasanya digunakan untuk meramal dari data data persamaan yang menggunakan data data time series.
Kegiatan peramalan merupakan salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat diproduksi dalam jumlah yang tepat.
Pada dasarnya data dibagi menjadi 3, salah satu nya iyalah Data Deret Waktu (data time series).
Yg terdapat 4 komponen di data deret waktu yaitu :
1.komponen trend.
Merupakan data kecenderungan jangka panjang dalam peubah deret waktu.
2.komponen siklus.
Merupakan data yang memiliki pergerakan disekitar rata-rata nilai peubah atau koefisien dalam data time series diats atau dibawa trend jangka panjang.
3.Komponen variasi musim.
Merupakan data tersebut akan menunjukkan bagaimana deretan-deretan dari data time series tersebut akan menghasilkan puncak dan lembah seperti pada siklus.
4.Faktor acak.
Merupakan gerakan yang berbeda dalam waktu yang singkat yang tidak dapat diperkirakan.
Berikut metode peramalan di dalam analisis deret waktu :
1.metode smoothing.
2.metode box Jenkins.
3.metode proyeksi trend dan regresi.
Sekian dan terimakasih.
Npm : 1712110267
Kesimpulan Pembelajaran : menurut saya kesimpulan dari TEKNIK FORECATING iyalah Metode Forecasting merupakan metode peramalan yang biasanya digunakan untuk meramal dari data data persamaan yang menggunakan data data time series.
Kegiatan peramalan merupakan salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat diproduksi dalam jumlah yang tepat.
Pada dasarnya data dibagi menjadi 3, salah satu nya iyalah Data Deret Waktu (data time series).
Yg terdapat 4 komponen di data deret waktu yaitu :
1.komponen trend.
Merupakan data kecenderungan jangka panjang dalam peubah deret waktu.
2.komponen siklus.
Merupakan data yang memiliki pergerakan disekitar rata-rata nilai peubah atau koefisien dalam data time series diats atau dibawa trend jangka panjang.
3.Komponen variasi musim.
Merupakan data tersebut akan menunjukkan bagaimana deretan-deretan dari data time series tersebut akan menghasilkan puncak dan lembah seperti pada siklus.
4.Faktor acak.
Merupakan gerakan yang berbeda dalam waktu yang singkat yang tidak dapat diperkirakan.
Berikut metode peramalan di dalam analisis deret waktu :
1.metode smoothing.
2.metode box Jenkins.
3.metode proyeksi trend dan regresi.
Sekian dan terimakasih.
NAMA: AZWIDA FARODISA
NPM: 1712110252
Kesimpilan dari model ARCH dan GARCH :
Metode ARCH merupakan model autoregresif dalam keadaan variansi tidak konstan. Peramalan pada metode ARCH dapat di lakukan cukup dengan adanaya data turun waktu tunggal. Peramalan dengan model initidak perlu memandang aspek lain yang dapat mempengaruhi perubahan data peruntunana waktu.
Model ARCH digunakan untuk mengatasi error yang tidak konstanatan dalam data urutan waktu.
Metode yang dapat digunakan untuk mengatasi masalah keheterogenan variansi adalah metode ARCH, perubahan variansi pada model ARCH dipengaruhi oleh sejumlah data acak sebelumnya.
Model GARCH merupakan perkembanagan dari model ARCH. Dan pada model ini tidak membtasi nilai parameter yang non negatif untuk menghasilkan variansi error masa sekarang tidakhanya dipengaruhi oleh error masa lalu tetapi dipengaruhi juga error dimasa lalu.
Model GARCH digunakan untuk mencari voltabilitas suatu data. Dan memiliki komponen konstanta, sisaan, dan juga variansi sisaan yg berasal dari periode masa lalu.
Nama: Lia Juwitasari
NPM: 171211245
ARCH/GARCH adalah suatu model peramalan/forecasting time series yang digunakan dalam single equation artinya hanya menggunakan satu variabel saja. Dengan menggunakan informasi periode data yang lalu dapat meramal nilai data untuk periode yang akan datang
ARCH/GARCH biasanya digunakan untuk mencari volitalitas suatu data. Yang dilihat adalah pengaruh varian dan error kuadrat dari series datanya.
ARCH/GARCH adalah kelanjutan dari peramalam model ARIMA, dimana syarat yang digunakan apabila model ARIMA yang dipilih tidak memenuhi asumsi homokedastisitas artinya modelnya masih mengandung heterokedastistas.
Sehingga akan didapat beberapa model ARCH/GARCH. Setelah model didapat biasanya yang dipilih adalah model yang signifikan, error terkecil, bias proportion terkecil, korelasinya tinggi serta memenuhi asumsi normalitas dan homokedastisitas barulah model tersebut dapat digunakan untuk melakukan forecast/peramalan untuk nilai data periode berikutnya.
Kelebihan model ARCH-GARCH dibandingkan dengan metode OLS adalah:
1. Model ini tidak memandang heteroskedastisitas sebagai suatu masalah, namun justru memanfaatkannya untuk membuat model.
2. Model ini tidak hanya menghasilkan peramalan dari y, tapi juga peramalan dari varians. Perubahan dalam varians sangat penting misalnya untuk memahami pasar saham dan pasar keuangan.
NPM: 171211245
ARCH/GARCH adalah suatu model peramalan/forecasting time series yang digunakan dalam single equation artinya hanya menggunakan satu variabel saja. Dengan menggunakan informasi periode data yang lalu dapat meramal nilai data untuk periode yang akan datang
ARCH/GARCH biasanya digunakan untuk mencari volitalitas suatu data. Yang dilihat adalah pengaruh varian dan error kuadrat dari series datanya.
ARCH/GARCH adalah kelanjutan dari peramalam model ARIMA, dimana syarat yang digunakan apabila model ARIMA yang dipilih tidak memenuhi asumsi homokedastisitas artinya modelnya masih mengandung heterokedastistas.
Sehingga akan didapat beberapa model ARCH/GARCH. Setelah model didapat biasanya yang dipilih adalah model yang signifikan, error terkecil, bias proportion terkecil, korelasinya tinggi serta memenuhi asumsi normalitas dan homokedastisitas barulah model tersebut dapat digunakan untuk melakukan forecast/peramalan untuk nilai data periode berikutnya.
Kelebihan model ARCH-GARCH dibandingkan dengan metode OLS adalah:
1. Model ini tidak memandang heteroskedastisitas sebagai suatu masalah, namun justru memanfaatkannya untuk membuat model.
2. Model ini tidak hanya menghasilkan peramalan dari y, tapi juga peramalan dari varians. Perubahan dalam varians sangat penting misalnya untuk memahami pasar saham dan pasar keuangan.
Nama : kadek ayu
Npm : 1712110019
Kesimpulan pembelajaran tentang Model Autoregressive Integrated moving Average ( Arima)
Arima merupakan gabungan antara autoregresif antara moving Average yang mana model tersebut digabung menjadi satu. Jadi model autoregresif integrated moving average (arima) adalah model secara penuh mengabaikan independent variabel dalam membuat peramalan. Arima menggunakan nilai masa lalu dan sekarang dari variabel dependent untuk menghasilkan peramalan jangka pendek yang akurat.
Sedangkan untuk peramalan jangka panjang ketepatan peramalannya kurang baik, biasanya akan cenderung flat ( mendatar/ konstan) untuk periode yang cukup panjang.
Arima sering juga disebut metode runtun waktu Box jenkins. Dalam prosedur model box jenkins dalam metode arima merupakan salah satu metode biasa yang digunakan dalam melakukan peramalan jangka pendek dan model ini bisa melihat nilai dari tahun sebelumnya disuatu variabel atau nilai kesalahan dimasalalu.
Untuk metode model box jenkins terdiri dari
* Autoregressive (AR)
* Moving Average (MA)
* Autoregressive moving
Average ( ARMA)
* Autoregressive Integrated
Moving Average ( Arima)
Npm : 1712110019
Kesimpulan pembelajaran tentang Model Autoregressive Integrated moving Average ( Arima)
Arima merupakan gabungan antara autoregresif antara moving Average yang mana model tersebut digabung menjadi satu. Jadi model autoregresif integrated moving average (arima) adalah model secara penuh mengabaikan independent variabel dalam membuat peramalan. Arima menggunakan nilai masa lalu dan sekarang dari variabel dependent untuk menghasilkan peramalan jangka pendek yang akurat.
Sedangkan untuk peramalan jangka panjang ketepatan peramalannya kurang baik, biasanya akan cenderung flat ( mendatar/ konstan) untuk periode yang cukup panjang.
Arima sering juga disebut metode runtun waktu Box jenkins. Dalam prosedur model box jenkins dalam metode arima merupakan salah satu metode biasa yang digunakan dalam melakukan peramalan jangka pendek dan model ini bisa melihat nilai dari tahun sebelumnya disuatu variabel atau nilai kesalahan dimasalalu.
Untuk metode model box jenkins terdiri dari
* Autoregressive (AR)
* Moving Average (MA)
* Autoregressive moving
Average ( ARMA)
* Autoregressive Integrated
Moving Average ( Arima)
Kesimpulan dari materi Model Autoregressive Integrated Moving Average (ARIMA) :
1. Model ARIMA atau Model Autoregressive Integrated Moving Average merupakan salah satu model analisis transerries yang cukup terkenal di era 1990an hingga kini, ARIMA atau Model Autoregressive Integrated Moving Average merupakan metode gabungan antara Autoregressive dan Moving Average yang mana model tersebut dibangun berdasarkan kedua keriteria ini, apakah model Autoregressive wuni Moving Average wuni atau gabungan keduanya, yang nantinya bisa kita tentukan pola data ACF DAN PACF nya atau Auto korelation functionnya. ARIMA ini merupakan model analisis time series sama seperti analisis trend Moving Average.
2. Model ARIMA ini dikembangkan oleh George E.P. Box dan Gwilym M. Jenkins (19976) sehingga ARIMA juga disebut metode deret waktu Box-Jenkins.
3. Model Box-Jenkins terdiri dari model; Autoregressive (AR), Moving Average (MA), Autoregressive-Moving Average (ARMA), dan Autoregressive Integrated Moving Average (ARIMA).
4. a. Proses regresi diri dalam pemodelan ARIMA dalam metode Box-Jenkins terdiri dari:
-Proses regresi diri (Autoregressive)
-Proses regresi diri ordo pertama
persamaan : Yt = ╬▓1 Yt - 1+╬▓2 Yt-2 + ... + ╬▓p Yt-p + et
-proses regresi diri ordo kedua
persamaan : Yt = ╬▓1 YT-1 + ╬▓2 Yt-2 + et
-proses regresi diri ordo untuk tahun-tahun sebelumnya atau P AR (P)
Persamaan : Yk = ╬▓1 Pk-1 + ╬▓2 Pk-2 + ╬▓p Yt-p + et
b. PROSES RATAAN BERGERAK
-Rataan bergerak ordo pertama
Yt = et - ╬▓1 et-1
-Rataan bergerak ordo kedua
Yt = et - ╬▓1 et-1 - ╬▓2 et-2
-Rataan bergerak ordo q
Yt = et - ╬▓1 et-1 - ╬▓2 et-2 - ... - ╬▓p et-q
c. PROSES CAMPURAN DIRI DAN RATAAN BERGERAK (ARMA) (P,Q))
Jika model terdiri atas gabungan proses regresi diri ordo p dan rataan bergerak ordo q, dinamakan ARMA(p,q).
5. Empat tahapan prosedur Box-Jenkins :
1. Identifikasi model
2. Estimasi parameter model
3. Evaluasi model
4. Prediksi atau peramalan.
Nama : Ervia Nanda Sari
Npm : 1712110273
1. Model ARIMA atau Model Autoregressive Integrated Moving Average merupakan salah satu model analisis transerries yang cukup terkenal di era 1990an hingga kini, ARIMA atau Model Autoregressive Integrated Moving Average merupakan metode gabungan antara Autoregressive dan Moving Average yang mana model tersebut dibangun berdasarkan kedua keriteria ini, apakah model Autoregressive wuni Moving Average wuni atau gabungan keduanya, yang nantinya bisa kita tentukan pola data ACF DAN PACF nya atau Auto korelation functionnya. ARIMA ini merupakan model analisis time series sama seperti analisis trend Moving Average.
2. Model ARIMA ini dikembangkan oleh George E.P. Box dan Gwilym M. Jenkins (19976) sehingga ARIMA juga disebut metode deret waktu Box-Jenkins.
3. Model Box-Jenkins terdiri dari model; Autoregressive (AR), Moving Average (MA), Autoregressive-Moving Average (ARMA), dan Autoregressive Integrated Moving Average (ARIMA).
4. a. Proses regresi diri dalam pemodelan ARIMA dalam metode Box-Jenkins terdiri dari:
-Proses regresi diri (Autoregressive)
-Proses regresi diri ordo pertama
persamaan : Yt = ╬▓1 Yt - 1+╬▓2 Yt-2 + ... + ╬▓p Yt-p + et
-proses regresi diri ordo kedua
persamaan : Yt = ╬▓1 YT-1 + ╬▓2 Yt-2 + et
-proses regresi diri ordo untuk tahun-tahun sebelumnya atau P AR (P)
Persamaan : Yk = ╬▓1 Pk-1 + ╬▓2 Pk-2 + ╬▓p Yt-p + et
b. PROSES RATAAN BERGERAK
-Rataan bergerak ordo pertama
Yt = et - ╬▓1 et-1
-Rataan bergerak ordo kedua
Yt = et - ╬▓1 et-1 - ╬▓2 et-2
-Rataan bergerak ordo q
Yt = et - ╬▓1 et-1 - ╬▓2 et-2 - ... - ╬▓p et-q
c. PROSES CAMPURAN DIRI DAN RATAAN BERGERAK (ARMA) (P,Q))
Jika model terdiri atas gabungan proses regresi diri ordo p dan rataan bergerak ordo q, dinamakan ARMA(p,q).
5. Empat tahapan prosedur Box-Jenkins :
1. Identifikasi model
2. Estimasi parameter model
3. Evaluasi model
4. Prediksi atau peramalan.
Nama : Ervia Nanda Sari
Npm : 1712110273
Nama : Sheni Mega Winanda
Npm : 1712110165
Materi pembelajaran : desain penelitian keuangan
Materi ini membahas terkait desain penelitian, permasalahan penelitian dan langkah-langkah penelitian. Dimana permasalahan penelitian yang dibahas merupakan permasalahan penelitian manajemen dibidang keuangan. Biasanya masalah yang dihadapi oleh manajemen dengan outcome nya tidak sesuai dengan apa yang dihadapi. Permasalahan manajemen tidak dapat dirasakan secara langsung tapi gejalanya terlihat. Terkait dengan desain penelitian dan langkahnya dibagi menjadi 2 yaitu :
A. Desain riset kuantitatif
Desain riset kuantitatif adalah penelitian ilmiah yang bersifat sistematis terhadap bagian bagian fenomena serta hubungannya dengan menggunakan data yang mengandung data. Tujuannya adalah untuk mengembangkan dan menggunakan model matematis teori-teori dan hipotesis dan fenomena yang terjadi disekitar kita. Dengan komponen sebagai berikut :
1. Masalah riset
2. Review literature yang berkaitan.
3. Model dan hipotesis.
4. Pengumpulan data
5. Metode analisis data
B. Desain riset kualitatif
Desain riset kualitatif adalah penelitian yang bersifat deskriftif dan cenderung menggunakan analisis. Didasarkan pada landasan teori yang berguna untuk memandu penelitian sehingga sesuai dengan kenyataan atau fakta lapangan. Desain riset kualitatif melakukan pengumpulan data melalui cara penarikan kesimpulan berdasarkan data yang dikumpulkan
ΓÇó Metode penelitian data riset kualitatif
 Focus Group Discussion (FGD)
 Indepth interview
 Observasi
Sehingga dari pembelajaran ini akan ditarik kesimpulan yaitu Dalam suatu penelitian harus diperhatikan langkah atau prosedur penelitian supaya penelitian sesuai dengan fakta dan kondisi dilapangan, sehingga dengan adanya penelitian tersebut akan mendapatkan hasil yang bersifat objektif.
Npm : 1712110165
Materi pembelajaran : desain penelitian keuangan
Materi ini membahas terkait desain penelitian, permasalahan penelitian dan langkah-langkah penelitian. Dimana permasalahan penelitian yang dibahas merupakan permasalahan penelitian manajemen dibidang keuangan. Biasanya masalah yang dihadapi oleh manajemen dengan outcome nya tidak sesuai dengan apa yang dihadapi. Permasalahan manajemen tidak dapat dirasakan secara langsung tapi gejalanya terlihat. Terkait dengan desain penelitian dan langkahnya dibagi menjadi 2 yaitu :
A. Desain riset kuantitatif
Desain riset kuantitatif adalah penelitian ilmiah yang bersifat sistematis terhadap bagian bagian fenomena serta hubungannya dengan menggunakan data yang mengandung data. Tujuannya adalah untuk mengembangkan dan menggunakan model matematis teori-teori dan hipotesis dan fenomena yang terjadi disekitar kita. Dengan komponen sebagai berikut :
1. Masalah riset
2. Review literature yang berkaitan.
3. Model dan hipotesis.
4. Pengumpulan data
5. Metode analisis data
B. Desain riset kualitatif
Desain riset kualitatif adalah penelitian yang bersifat deskriftif dan cenderung menggunakan analisis. Didasarkan pada landasan teori yang berguna untuk memandu penelitian sehingga sesuai dengan kenyataan atau fakta lapangan. Desain riset kualitatif melakukan pengumpulan data melalui cara penarikan kesimpulan berdasarkan data yang dikumpulkan
ΓÇó Metode penelitian data riset kualitatif
 Focus Group Discussion (FGD)
 Indepth interview
 Observasi
Sehingga dari pembelajaran ini akan ditarik kesimpulan yaitu Dalam suatu penelitian harus diperhatikan langkah atau prosedur penelitian supaya penelitian sesuai dengan fakta dan kondisi dilapangan, sehingga dengan adanya penelitian tersebut akan mendapatkan hasil yang bersifat objektif.
Nama : Nabila Stepani
NPM : 1712110053
Kesimpulan Desain Penelitian Keuangan :
Desain penelitian adalah pedoman atau prosedur atau teknik perencanaan penelitian yang berguna sebagai panduan membabangun strategi yang menghasilkan model penelitian.
Persoalan penelitian digambarkan secara umum sebagai suatu kesenjangan gab antara fakta dan harapan
Siklus penelitian merupakan tahapan-tahapan yang harus dilakukan dalam penelitian.
1. Desain penelitian kuantitiatif
penelitian ilmiah yang bersifat sistematis terhadap bagian-bagian fenomena serta hubungan-hubungannya. Tujuan untuk mengembangkan menggunakan model-medel sismetamitis teori-teori dan hipotesis fenomena yang terjadi disekitar kita.
Desain riset kuantitatif merupakan strategi yang mengintegrasikan berbagai komponen penelitian untuk menghasilkan informasidalam penelitian tersebut.
Model penelitian
ΓÇó Model yang lebih kompleks memasukkan variabel intervening dan variabel moderating
ΓÇó Variabel intervening menjelaskan bagaimana hubungan antara independen variabel dan dependen variabel
ΓÇó Moderating variabel adalah variabel bebas yang lain diluar variabel bebas yang ada yang memoderasikan hubungan antara variabel bebas dan variabel tidak bebas.
2. Desain penelitian kualitatif
Penelitian yang bersifat deskriptif dan cendrung menggunakan analisis.Dilandaskan teori yang berguna untuk memandu penelitian sesuai fakta dan kenyataan yang ada dilapangan.
a. Metodologi riset kuantitatif adalah pendekatan dalam studi kuantitatif , menyangkuh one shot data gathering (fenomenologi) atau interative data gathering (grounded theory)
b. Desain riset kuantitatif adalah strategi pengumpulan data kuantitatif dan cara menarik kesimpulan atas data yang disimpulkan, terdiri atas : Ethnografi dan Studi Kasus
c. Hasil penelitian lapangan merupakan penelitian yang digunakan dengan studi ethnografi dan studi kasus menghasilkan catatan dan rekaman, deskripsi hasil pembicaraan, reaksi dan persepsi masyarakat
NPM : 1712110053
Kesimpulan Desain Penelitian Keuangan :
Desain penelitian adalah pedoman atau prosedur atau teknik perencanaan penelitian yang berguna sebagai panduan membabangun strategi yang menghasilkan model penelitian.
Persoalan penelitian digambarkan secara umum sebagai suatu kesenjangan gab antara fakta dan harapan
Siklus penelitian merupakan tahapan-tahapan yang harus dilakukan dalam penelitian.
1. Desain penelitian kuantitiatif
penelitian ilmiah yang bersifat sistematis terhadap bagian-bagian fenomena serta hubungan-hubungannya. Tujuan untuk mengembangkan menggunakan model-medel sismetamitis teori-teori dan hipotesis fenomena yang terjadi disekitar kita.
Desain riset kuantitatif merupakan strategi yang mengintegrasikan berbagai komponen penelitian untuk menghasilkan informasidalam penelitian tersebut.
Model penelitian
ΓÇó Model yang lebih kompleks memasukkan variabel intervening dan variabel moderating
ΓÇó Variabel intervening menjelaskan bagaimana hubungan antara independen variabel dan dependen variabel
ΓÇó Moderating variabel adalah variabel bebas yang lain diluar variabel bebas yang ada yang memoderasikan hubungan antara variabel bebas dan variabel tidak bebas.
2. Desain penelitian kualitatif
Penelitian yang bersifat deskriptif dan cendrung menggunakan analisis.Dilandaskan teori yang berguna untuk memandu penelitian sesuai fakta dan kenyataan yang ada dilapangan.
a. Metodologi riset kuantitatif adalah pendekatan dalam studi kuantitatif , menyangkuh one shot data gathering (fenomenologi) atau interative data gathering (grounded theory)
b. Desain riset kuantitatif adalah strategi pengumpulan data kuantitatif dan cara menarik kesimpulan atas data yang disimpulkan, terdiri atas : Ethnografi dan Studi Kasus
c. Hasil penelitian lapangan merupakan penelitian yang digunakan dengan studi ethnografi dan studi kasus menghasilkan catatan dan rekaman, deskripsi hasil pembicaraan, reaksi dan persepsi masyarakat
NAMA: NURVA RISKI
NPM : 1712110081
kesimpulan tentang materi Model Arima
Model Autoregresif Integrated Moving Average (ARIMA) adalah model yang secara penuh mengabaikan independen variabel dalam membuat peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat.
Macam-macam Model ARIMA. Metode ARIMA dibagi kedalam tiga kelompok model time series linier, yaitu: autoregressive model (AR), moving average model (MA) dan model campuran yang memiliki karakteristik kedua model di atas yaitu autoregressive integrated moving average (ARIMA).
Peramalan dengan metode Box-Jenkins didasarkan pada model regresi deret waktu stasioner tanpa komponen musiman, sehingga jika yang dianalisis data bulanan maka perlu ditelaah keberadaan komponen musimannya, sebab jika ada, komponen ini harus dieliminasi melalui proses diferensiasi.
4 tahap prosedur box- jenkins
*identifikasi model
*estimasi parameter model
*evaluasi model
*prediksi atau peramalan
NPM : 1712110081
kesimpulan tentang materi Model Arima
Model Autoregresif Integrated Moving Average (ARIMA) adalah model yang secara penuh mengabaikan independen variabel dalam membuat peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat.
Macam-macam Model ARIMA. Metode ARIMA dibagi kedalam tiga kelompok model time series linier, yaitu: autoregressive model (AR), moving average model (MA) dan model campuran yang memiliki karakteristik kedua model di atas yaitu autoregressive integrated moving average (ARIMA).
Peramalan dengan metode Box-Jenkins didasarkan pada model regresi deret waktu stasioner tanpa komponen musiman, sehingga jika yang dianalisis data bulanan maka perlu ditelaah keberadaan komponen musimannya, sebab jika ada, komponen ini harus dieliminasi melalui proses diferensiasi.
4 tahap prosedur box- jenkins
*identifikasi model
*estimasi parameter model
*evaluasi model
*prediksi atau peramalan
Nama : Roni hasiholan Ms
NPM : 1712110278
Kesimpulan Pembelajaran :
Kesimplan pembelajaran dari materi Metode Kointegrasi Dan Error Correction Mechnisnm (ECM) yaitu materi tersebut merupakan analisis data time series yang di gunakan untuk variabel-variabel yang memiliki ketergantungan yang sering di sebut dengan kointegrasi. Metode ECM digunakan untuk menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan atau hubungan ekonomi jangka panjang. sedangkan kointegrasi untuk menganalisis hubungan variabel-variabel time series, walapun ketika variabel-variabel tersebut tidak stasioner (kondisi yang merupakan tidak adanya perubahan yang drastis pada data. fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan variansi dari fluktuasi tersebut. Makridakis, 1995).
ECM membagi persamaan variabel-variabel yang sering berkointegrasi menjadi dua persamaan yaitu persamaan jangka panjang dan persamaan jangka pendek. keadaaan kointegrasi dalam model ECM dilihat pada stasioneritas residualnya, Hal ini kemudian mengharuskan variabel-variabel yang kita miliki tidak ada yang stasioner pada level dan residual atau error (e) persamaan regresi variabel-variabel tersebut stasioner pada levelnya
Dalam analisis data time series, error correction mechanism (ECM) memiliki beberapa kelebihan dalam hal pembentukan model, yaitu :
1.) ECM dapat melakukan spesifikasi model atas bentuk umumnya.
2.) ECM dapat menjelaskan informasi jangka panjang dan jangka pendek dari data (Vamvoukas, 1998). serta dapat diketahui konsisten tidaknya model empirik dengan teori ekonomo.
3.) ECM sebagai salah satu model dinamik untuk mencari penyelesaian data runtun waktu yang tidak stasioner.
4.) ECM dapat digunakan untuk mencari penyelesaian masalah multikulliniaritas dan regresi langsung.
NPM : 1712110278
Kesimpulan Pembelajaran :
Kesimplan pembelajaran dari materi Metode Kointegrasi Dan Error Correction Mechnisnm (ECM) yaitu materi tersebut merupakan analisis data time series yang di gunakan untuk variabel-variabel yang memiliki ketergantungan yang sering di sebut dengan kointegrasi. Metode ECM digunakan untuk menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan atau hubungan ekonomi jangka panjang. sedangkan kointegrasi untuk menganalisis hubungan variabel-variabel time series, walapun ketika variabel-variabel tersebut tidak stasioner (kondisi yang merupakan tidak adanya perubahan yang drastis pada data. fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan variansi dari fluktuasi tersebut. Makridakis, 1995).
ECM membagi persamaan variabel-variabel yang sering berkointegrasi menjadi dua persamaan yaitu persamaan jangka panjang dan persamaan jangka pendek. keadaaan kointegrasi dalam model ECM dilihat pada stasioneritas residualnya, Hal ini kemudian mengharuskan variabel-variabel yang kita miliki tidak ada yang stasioner pada level dan residual atau error (e) persamaan regresi variabel-variabel tersebut stasioner pada levelnya
Dalam analisis data time series, error correction mechanism (ECM) memiliki beberapa kelebihan dalam hal pembentukan model, yaitu :
1.) ECM dapat melakukan spesifikasi model atas bentuk umumnya.
2.) ECM dapat menjelaskan informasi jangka panjang dan jangka pendek dari data (Vamvoukas, 1998). serta dapat diketahui konsisten tidaknya model empirik dengan teori ekonomo.
3.) ECM sebagai salah satu model dinamik untuk mencari penyelesaian data runtun waktu yang tidak stasioner.
4.) ECM dapat digunakan untuk mencari penyelesaian masalah multikulliniaritas dan regresi langsung.
Menurut saya isi serta kesimpulan dari pembelajaran yang ada pada konten vidio teknik forecasting adalah kita bisa :
ΓÇó memahami apa itu metode peramalan (Biasanya digunakan untuk meramal dari persamaan data-data yang menggunakan data time series atau bagian terpenting dari fungsi manajer operasi. Peramalan permintaan mengarahkan produksi,kapasitas,dan sistem pendjadwalan perusahaan,serta memengaruhi fungsi keuangan,pemasaran,dan perencanaan karyawan.
Kegiatan peramalan adalah salah satu fungsi untuk memperkirakan permintaan serta penggunaan produk agar produk tersebut dapat diproduksi dalam jumlah yg tepat)
ΓÇó memahami komponen data deret waktu (terdiri dari : 1.komponen trend, 2.komponen siklus,3.komponen variasi musim,4.faktor acak)
ΓÇó memahami metode pemulusan dan peramalan data deret waktu menggunakan teknik rata-rata bergerak (metode ini terdiri dari : 1.metode smothing, 2.metode box jenkins, 3.metode proyeksi trend dan regresi)
ΓÇó menginterpretasikan output program eviews/SPSS untuk analisis trend dan peramalan data deret waktu.
Sekian, Terimakasih
Adreya Ismiyati
1712110316
ΓÇó memahami apa itu metode peramalan (Biasanya digunakan untuk meramal dari persamaan data-data yang menggunakan data time series atau bagian terpenting dari fungsi manajer operasi. Peramalan permintaan mengarahkan produksi,kapasitas,dan sistem pendjadwalan perusahaan,serta memengaruhi fungsi keuangan,pemasaran,dan perencanaan karyawan.
Kegiatan peramalan adalah salah satu fungsi untuk memperkirakan permintaan serta penggunaan produk agar produk tersebut dapat diproduksi dalam jumlah yg tepat)
ΓÇó memahami komponen data deret waktu (terdiri dari : 1.komponen trend, 2.komponen siklus,3.komponen variasi musim,4.faktor acak)
ΓÇó memahami metode pemulusan dan peramalan data deret waktu menggunakan teknik rata-rata bergerak (metode ini terdiri dari : 1.metode smothing, 2.metode box jenkins, 3.metode proyeksi trend dan regresi)
ΓÇó menginterpretasikan output program eviews/SPSS untuk analisis trend dan peramalan data deret waktu.
Sekian, Terimakasih
Adreya Ismiyati
1712110316
Kesimpulan:
Metode Kointegrasi dan ECM
Kointegrasi adalah suatu hubungan jangka panjang antara peubah-peubah yang meskipun secara individual tidak stasioner, tetapi kombinasi linier antara peubah tersebut dapat menjadi stasioner (Juanda dan Junaidi, 2012). Uji kointegrasi dapat digunakan untuk mengetahui apakah dua atau lebih variabel ekonomi atau variabel finansial memiliki hubungan keseimbangan jangka panjang. Apabila data variabel-variabel telah stasioner artinya antara variabel tersebut terkointegrasi atau memiliki hubungan jangka panjang.
Metode Kointegrasi dan ECM
Kointegrasi adalah suatu hubungan jangka panjang antara peubah-peubah yang meskipun secara individual tidak stasioner, tetapi kombinasi linier antara peubah tersebut dapat menjadi stasioner (Juanda dan Junaidi, 2012). Uji kointegrasi dapat digunakan untuk mengetahui apakah dua atau lebih variabel ekonomi atau variabel finansial memiliki hubungan keseimbangan jangka panjang. Apabila data variabel-variabel telah stasioner artinya antara variabel tersebut terkointegrasi atau memiliki hubungan jangka panjang.
Error Correction Mechanism (ECM) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Metode ECM digunakan menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan/hubungan ekonomi jangka panjang. Bahkan Satri (2004) menyatakan bahwa Error correction model atau yang dikenal dengan model koreksi kesalahan adalah suatu model yang digunakan untuk melihat pengaruh jangka panjang dan jangka pendek dari masing-masing peubah bebas terhadap peubah terikat.
Pengujian kointegrasi antara variabel bertujuan menunjukkan adanya hubungan atau keseimbangan jangka panjang pada variabel bebas terhadap variabel terikat. Akan tetapi, didalam jangka pendek terdapat kemungkinan bahwa antar variabel tersebut terjadi ketidakseimbangan. Ketidakseimbangan inilah yang sering ditemui dalam perilaku ekonomi, dimana hal ini disebabkan ketidakmampuan pelaku ekonomi untuk segera menyesuaikan perubahan-perubahan yang terjadi dalam perilaku variabel ekonomi (Harris dan Sollis, 2003). Karena ketidakseimbangan inilah Error Correction Mechanism (ECM) digunakan. ECM memanfaatkan residual/error dari hubungan jangka panjang untuk menyeimbangkan hubungan jangka pendeknya. Oleh karena itu, dinamakan error correction.
Nama : Maylinda Intan Tiara
Npm : 1712110366
ECM (Error Correction Mechanism) adalah analisis data time series yang digunakan untuk variabel-variabel yang memiliki ketergantungan yang disebut kointegrasi. model ECM digunakan untuk menyeimbangkan hubungan ekonomi jangka pendek pada variabel-variabel yang yang telah memiliki keseimbangan atau hubungan ekonomi jangka panjang. kointegrasi yaitu pada analisi data time series tentu saja syarat stasioner merupakan hal yang sangat penting prosesnya.
uji ADF (metode Augmented Dickey Fuller) dan uji PP (metode Phillips Perron), dimana 2 uji tersebut merupakan uji kestasioneran suatu data yang mana stasioner itu sendiri menunjukan suatu kondisi data time series yang jika dirata-rata varian dan covarian dari peubah tersebut sebelumnya tidak dipengaruhi oleh waktu. prosedur untuk mengetahui apakah data tersebut stasioner atau tidak harus membandingkan antara nilai statistik ADF dan PP dengan nilai kritis distribusi mekenen. adapun untuk nilai statistik ADF dan PP ditunjukan oleh nilai t statistiknya. jika nilai absolute statistik ADF atau PP lebih besar dari nilai kritisnya maka data yang diamati menunjukan stasioner, jika sebaliknya nilai statistik ADF aatau PP lebih kecil dari nilai kritis maka data tidak stasioner
Kesimpulan pembelajaran tentang Model Autoregressive Integrated moving Average ( Arima).
Model autoregresif integrated moving average (arima) adalah model secara penuh mengabaikan independent variabel dalam membuat peramalan. Arima menggunakan nilai masa lalu dan sekarang dari variabel dependent untuk menghasilkan peramalan jangka pendek yang akurat.
Sedangkan untuk peramalan jangka panjang ketepatan peramalannya kurang baik, biasanya akan cenderung flat ( mendatar/ konstan) untuk periode yang cukup panjang.
Arima sering juga disebut metode runtun waktu Box jenkins. Untuk metode model box jenkins terdiri dari
* Autoregressive (AR)
* Moving Average (MA)
* Autoregressive moving
Average ( ARMA)
* Autoregressive Integrated
Moving Average ( Arima).
Nama : Antika Febriyanti
Npm : 171211034
Model autoregresif integrated moving average (arima) adalah model secara penuh mengabaikan independent variabel dalam membuat peramalan. Arima menggunakan nilai masa lalu dan sekarang dari variabel dependent untuk menghasilkan peramalan jangka pendek yang akurat.
Sedangkan untuk peramalan jangka panjang ketepatan peramalannya kurang baik, biasanya akan cenderung flat ( mendatar/ konstan) untuk periode yang cukup panjang.
Arima sering juga disebut metode runtun waktu Box jenkins. Untuk metode model box jenkins terdiri dari
* Autoregressive (AR)
* Moving Average (MA)
* Autoregressive moving
Average ( ARMA)
* Autoregressive Integrated
Moving Average ( Arima).
Nama : Antika Febriyanti
Npm : 171211034
KESIMPULAN PEMBELAJARAN : DESIGN PENELITIAN KEUANGAN
NAMA : LIA LESTARI
NPM : 1712110324
Design penelitian kuantitatif
ΓÇó Design riset merupakan strategi yang mengitergrasikan berbagai komponen penelitian untuk menghasilkan informasi dalam penelitian tersebut.
ΓÇó Komponen design riset kuantitatif
1. Masalah riset
2. Riview leteratur Yang berkaitan dengan probalima riset
3. Model dan hipotesis
4. Pengumpulan data
5. Metode analisis data
Model penelitian
ΓÇó Model penelitian menggambarkan hubungan antara dua variabel atau lebih.
ΓÇó Di butuhkan telaah literatur yang menggambarkan pola hubungan antar variabel tersebut valid secara deduktif.
ΓÇó Model sederhana menunjukan hubungan antara variabel bebas dan variabel terikat
ΓÇó Model yang lebih komplek memasukan variabel intervening dan model rating.
ΓÇó Variabel intervening adalah variabel yang menjelaskan bagaimana hubungan antara independen variabel dan depemden bisa terjadi
ΓÇó Modelratingg variabel adalah variabel bebas yang lain di luar variabel bebas yang ada, yang memoderasikan ( memperkuat dan memperlemah) hubungan antara variabel bebas dan variabel tidak bebas.
Hipotesis
Hipotesis adalah hubungan yang secara logis dapat di duga diantara dua varrabel ataulebih yang di buat pernyataan yang dapat di uji.hipotesis dapat di nyatakan secara deskriptif, kausal, direktional, atau nnon direktional.
Metologi riset kualitatif
Metologi riset kuanlitatif adalah pendekatan dalam setudi kulitatif, menyangkut one shot data gatrhering, yaitu studi tentang fenomenn atau kejadian/ pengalama tentang suatu hal yang mu ncul dalam masyarakat dan pengaruhnya dalam komunitas yang di tekiri dengan one shot data gatrhering.
NAMA : LIA LESTARI
NPM : 1712110324
Design penelitian kuantitatif
ΓÇó Design riset merupakan strategi yang mengitergrasikan berbagai komponen penelitian untuk menghasilkan informasi dalam penelitian tersebut.
ΓÇó Komponen design riset kuantitatif
1. Masalah riset
2. Riview leteratur Yang berkaitan dengan probalima riset
3. Model dan hipotesis
4. Pengumpulan data
5. Metode analisis data
Model penelitian
ΓÇó Model penelitian menggambarkan hubungan antara dua variabel atau lebih.
ΓÇó Di butuhkan telaah literatur yang menggambarkan pola hubungan antar variabel tersebut valid secara deduktif.
ΓÇó Model sederhana menunjukan hubungan antara variabel bebas dan variabel terikat
ΓÇó Model yang lebih komplek memasukan variabel intervening dan model rating.
ΓÇó Variabel intervening adalah variabel yang menjelaskan bagaimana hubungan antara independen variabel dan depemden bisa terjadi
ΓÇó Modelratingg variabel adalah variabel bebas yang lain di luar variabel bebas yang ada, yang memoderasikan ( memperkuat dan memperlemah) hubungan antara variabel bebas dan variabel tidak bebas.
Hipotesis
Hipotesis adalah hubungan yang secara logis dapat di duga diantara dua varrabel ataulebih yang di buat pernyataan yang dapat di uji.hipotesis dapat di nyatakan secara deskriptif, kausal, direktional, atau nnon direktional.
Metologi riset kualitatif
Metologi riset kuanlitatif adalah pendekatan dalam setudi kulitatif, menyangkut one shot data gatrhering, yaitu studi tentang fenomenn atau kejadian/ pengalama tentang suatu hal yang mu ncul dalam masyarakat dan pengaruhnya dalam komunitas yang di tekiri dengan one shot data gatrhering.
Nama : Meta Sastri Yanti
Npm : 1712110037
Disini saya akan memberikan kesimpulan materi pembelajaran mengenai "Design Penelitian Keuangan"
Design Penelitian Keuangan dengan materi pembahasan Design, Persoalan dan Siklus Penelitian Keuangan.
Design penelitian adalah pedoman atau prosedur atau teknik dalam perencanaan penelitian yang berguna sebagai panduan untuk membangun strategi yang menghasilkan model penelitian.
Sedangkan persoalan dalam penelitian adalah persoalan atas penelitian di gambarkan secara umum sebagai suatu kesenjangan atau get antara fakta dengan harapan.
Sedangkan siklus penelitian merupakan tahapan tahapan yang harus di lakukan dalam melakukan penelitian adapun tahapan tahapan tersebut antara lain :
1. Tahapan perencanaan
2. Tahapan pelaksanaan
3. Tahapan pengamatan atau observasi
4. Tahapan refleksi
Adapun masalah pada manajemen terkait dalam design penelitian keuangan yaitu :
- masalah manajemen adalah setiap hal yang di hadapi manajemen namun outcomenya tidak sesuai yang diharapkan
- persoalan manajemen tidak langsung dapat di rasakan/dilihat hanya gejalanya saja yang langsung dapat di lihat.
Serta adapun masalah riset :
- problem riset diturunkan dari problem manajemen
- tujuannya adalah untuk mengetahui bagaimana hubungan antar variabel yang ada dalam problem manajemen
- variabel variabel yang mempengaruhi atau di pengaruhi oleh masalah manajemen di peroleh dari teori pada domain bersangkutan.
Adapun metode desain penelitian kuantitatif yang di gunakan dimana metode penelitian kuantitatif adalah metode penelitian yang berlandaskan terhadap filsafat positivisme.
Metode ini digunakan dalam meneliti terhadap sampel dan populasi penelitian, teknik pengambilan sampel umumnya dilakukan dengan acak atau random sampling.
Sedangkan pengumpulan data dilakukan dengan cara memanfaatkan instrumen penelitian yang dipakai. Analisis data yang digunakan bersifat kuantitatif atau bisa diukur dengan tujuan untuk menguji hipotesis yang ditetapkan sebelumnya.
Jadi dapat saya simpulkan bahwa Design Penelitian Keuangan ini di lakukan untuk dapat mengetahui tahapan tahapan dalam penelitian suatu laporan dalam keuangan dengan harapan penelitian yang di lakukan merupakan serangkain kegiatan yang memiliki tujuan untuk memperoleh informasi atau data yang akan dibutuhkan sebelum melakukan suatu riset atau eksperimen tertentu.
Penelitian teriri dari penelitian yang bersifat ilmiah dan non ilmiah. Tujuan dari penelitian adalah, untuk mengetahui, dan membanduingkan antara data yang dihasilkan dari penelitian dengan fakta yang terjadi .
Memecahkan masalah yang terjadi pada penelitian keuangan . Memeberikan jawaban dan solusi yang tepat bagi yang sedang meneliti.
Npm : 1712110037
Disini saya akan memberikan kesimpulan materi pembelajaran mengenai "Design Penelitian Keuangan"
Design Penelitian Keuangan dengan materi pembahasan Design, Persoalan dan Siklus Penelitian Keuangan.
Design penelitian adalah pedoman atau prosedur atau teknik dalam perencanaan penelitian yang berguna sebagai panduan untuk membangun strategi yang menghasilkan model penelitian.
Sedangkan persoalan dalam penelitian adalah persoalan atas penelitian di gambarkan secara umum sebagai suatu kesenjangan atau get antara fakta dengan harapan.
Sedangkan siklus penelitian merupakan tahapan tahapan yang harus di lakukan dalam melakukan penelitian adapun tahapan tahapan tersebut antara lain :
1. Tahapan perencanaan
2. Tahapan pelaksanaan
3. Tahapan pengamatan atau observasi
4. Tahapan refleksi
Adapun masalah pada manajemen terkait dalam design penelitian keuangan yaitu :
- masalah manajemen adalah setiap hal yang di hadapi manajemen namun outcomenya tidak sesuai yang diharapkan
- persoalan manajemen tidak langsung dapat di rasakan/dilihat hanya gejalanya saja yang langsung dapat di lihat.
Serta adapun masalah riset :
- problem riset diturunkan dari problem manajemen
- tujuannya adalah untuk mengetahui bagaimana hubungan antar variabel yang ada dalam problem manajemen
- variabel variabel yang mempengaruhi atau di pengaruhi oleh masalah manajemen di peroleh dari teori pada domain bersangkutan.
Adapun metode desain penelitian kuantitatif yang di gunakan dimana metode penelitian kuantitatif adalah metode penelitian yang berlandaskan terhadap filsafat positivisme.
Metode ini digunakan dalam meneliti terhadap sampel dan populasi penelitian, teknik pengambilan sampel umumnya dilakukan dengan acak atau random sampling.
Sedangkan pengumpulan data dilakukan dengan cara memanfaatkan instrumen penelitian yang dipakai. Analisis data yang digunakan bersifat kuantitatif atau bisa diukur dengan tujuan untuk menguji hipotesis yang ditetapkan sebelumnya.
Jadi dapat saya simpulkan bahwa Design Penelitian Keuangan ini di lakukan untuk dapat mengetahui tahapan tahapan dalam penelitian suatu laporan dalam keuangan dengan harapan penelitian yang di lakukan merupakan serangkain kegiatan yang memiliki tujuan untuk memperoleh informasi atau data yang akan dibutuhkan sebelum melakukan suatu riset atau eksperimen tertentu.
Penelitian teriri dari penelitian yang bersifat ilmiah dan non ilmiah. Tujuan dari penelitian adalah, untuk mengetahui, dan membanduingkan antara data yang dihasilkan dari penelitian dengan fakta yang terjadi .
Memecahkan masalah yang terjadi pada penelitian keuangan . Memeberikan jawaban dan solusi yang tepat bagi yang sedang meneliti.
Dari video penjelasan tentang teknik forecasting dapat diambil kesimpulan sebagai berikut:
Kesimpulannya:
Peramalan atau forecasting merupakan aktivitas memprediksi atau memperkirakan apa yang akan terjadi di masa yang akan datang dengan menggunakan data-data time series.
Kegiatan peramalan adalah salah satu fungsi untuk memperkirakan permintaan serta penggunaan produk agar produk tersebut dapat diproduksi dalam jumlah yg tepat.
Terdapat empat komponen deret waktu:
1. Komponen trend
2. Komponen siklus
3. Komponen variasi musim
4. Faktor acak
Dengan metode pemulusan dan peramalan data deret waktu menggunakan teknik rata-rata bergerak diantaranya:
1. Metode smothing
2. Metode box jenkins
3. Metode proyeksi trend dan regresi
Kemudian dilakukan analisis langsung menggunakan output program SPSS dan Excel untuk analisis trend dan peramalan data deret waktu yang terdiri dari variabel X dan Y seperti dalam video.
Meili Atika
1712110309
Kesimpulannya:
Peramalan atau forecasting merupakan aktivitas memprediksi atau memperkirakan apa yang akan terjadi di masa yang akan datang dengan menggunakan data-data time series.
Kegiatan peramalan adalah salah satu fungsi untuk memperkirakan permintaan serta penggunaan produk agar produk tersebut dapat diproduksi dalam jumlah yg tepat.
Terdapat empat komponen deret waktu:
1. Komponen trend
2. Komponen siklus
3. Komponen variasi musim
4. Faktor acak
Dengan metode pemulusan dan peramalan data deret waktu menggunakan teknik rata-rata bergerak diantaranya:
1. Metode smothing
2. Metode box jenkins
3. Metode proyeksi trend dan regresi
Kemudian dilakukan analisis langsung menggunakan output program SPSS dan Excel untuk analisis trend dan peramalan data deret waktu yang terdiri dari variabel X dan Y seperti dalam video.
Meili Atika
1712110309
Kesimpulan pembelajaran: Model regresi dan FORECASTING
Nama : Muhammad Amin
Npm : 1712110178
Forecasting atau peramalan sangat penting dilakukan dalam merencanakan serta mengawasi kegiatan produksi baik itu produk maupun jasa dan memudahkan seorang manajemen untuk mengambil suatu keputusan atas suatu kegiatan
Suatu peramalan yang baik merupakan inti dari efisiensi aktivitas manufaktur serta jasa.
Dimana hasil dari peramalan ini akan dipergunakan oleh pihak manajemen dalam melakukan pengambilan suatu keputusan yang berhubungan dengan proses pemilihan, perencanaan kapasitas dan sebagai dasar keputusan yang sifatnya kontinyu dalam hal perencanaan, penjadwalan serta persediaan. Prakiraan atau ramalan bisa d secara kualitatif maupun kuantitatif
Metode peramalannya pada dasarnya dapat dibedakan atas:
a. Metode peramalan melalui analisis suatu variabel yang akan diperkirakan dengan variabel waktu, yang dikenal dengan hubungan deret waktu. Metode peramalan ini terdiri dari:
┬╖ Metode smoting
┬╖ Metode Box Jenkins
┬╖ Metode proyeksi trend dengan regresi
b. Metode peramalan melalui analisa pada hubungan antara variabel yang akan diperkirkan dengan variabel-variabel lain yang mempengaruhinya (waktu dan/serta bukan waktu).
┬╖ Metode regresi dan kolerasi
┬╖ Model input output
┬╖ Model ekonometrik
Nama : Muhammad Amin
Npm : 1712110178
Forecasting atau peramalan sangat penting dilakukan dalam merencanakan serta mengawasi kegiatan produksi baik itu produk maupun jasa dan memudahkan seorang manajemen untuk mengambil suatu keputusan atas suatu kegiatan
Suatu peramalan yang baik merupakan inti dari efisiensi aktivitas manufaktur serta jasa.
Dimana hasil dari peramalan ini akan dipergunakan oleh pihak manajemen dalam melakukan pengambilan suatu keputusan yang berhubungan dengan proses pemilihan, perencanaan kapasitas dan sebagai dasar keputusan yang sifatnya kontinyu dalam hal perencanaan, penjadwalan serta persediaan. Prakiraan atau ramalan bisa d secara kualitatif maupun kuantitatif
Metode peramalannya pada dasarnya dapat dibedakan atas:
a. Metode peramalan melalui analisis suatu variabel yang akan diperkirakan dengan variabel waktu, yang dikenal dengan hubungan deret waktu. Metode peramalan ini terdiri dari:
┬╖ Metode smoting
┬╖ Metode Box Jenkins
┬╖ Metode proyeksi trend dengan regresi
b. Metode peramalan melalui analisa pada hubungan antara variabel yang akan diperkirkan dengan variabel-variabel lain yang mempengaruhinya (waktu dan/serta bukan waktu).
┬╖ Metode regresi dan kolerasi
┬╖ Model input output
┬╖ Model ekonometrik
ARIMA
ARIMA merupakan metode gabungan antara Autoregressive dan Moving Average. Dibangun berdasarkan 2 kriteria yaitu model Auto Regressive murni atau Moving Average murni dan gabungan keduanya.
Model Box-Jenkins terdiri dari model;
ΓÇó Autoregressive (AR)
ΓÇó Moving Average (MA)
ΓÇó Autoregressive-Moving Average (ARMA)
ΓÇó Autoregressive Integrated Moving Average (ARIMA).
A. Proses regresi diri dalam pemodelan ARIMA dalam metode Box-Jenkins terdiri dari:
- Proses regresi diri ordo pertama (AR1) :
Yt = ╬▓1 Yt - 1+╬▓2 Yt-2 + ... + ╬▓p Yt-p + et
- Proses regresi diri ordo kedua (AR2) :
Yt = ╬▓1 YT-1 + ╬▓2 Yt-2 + et
- Proses regresi diri ordo untuk tahun-tahun sebelumnya atau P AR (P) :
Yk = ╬▓1 Pk-1 + ╬▓2 Pk-2 + ╬▓p Yt-p + et
B. Proses Rataan Bergerak (Moving Average)
- Rataan bergerak ordo pertama MA (1) :
Yt = et - ╬▓1 et-1
- Rataan bergerak ordo kedua MA (2)
Yt = et - ╬▓1 et-1 - ╬▓2 et-2
- Rataan bergerak ordo q MA (q)
Yt = et - ╬▓1 et-1 - ╬▓2 et-2 - ... - ╬▓p et-q
C. Proses Campuran Diri dan Rataan Bergerak (ARMA (P,Q)) Jika model terdiri atas gabungan proses regresi diri ordo p dan rataan bergerak ordo q, dinamakan ARMA (P,Q).
Bentuk persamaan ARMA (P,Q) :
Yt= β1 Pk-1 + β2 Pk-2 + … + Bp Yt-p + et + a1 et-1 + a2 et-2 + … + aq et-q
Persamaan Yuke-Walker untuk ARMA (P,Q)
Pk = β1 Pk-1 + β2 Pk-2 + … + βp Pk-p Untuk K>q
Model Autoregressive Integrated Moving Average (ARIMA)
- Persyaratan utama model AR, MA, ARMA adalah kestasioneran data deret waktu yang digunakan.
- Jika data deret waktu tidak stasioner dalam level, perlu dibuat stasioner melalui proses diferensi
- Jika diferensi tingkat pertama belum menghasilkan deret yang stasioner, dilakukan diferensi tingkat berikutnya
- Model AR, MA atau ARMA dengan data stasioner melalui proses diferensi ini disebut dengan model ARIMA.
Prosedur Box-Jenkins :
1. Identifikasi Model
Melalui ACF (Auto Correlation Function) dan PACF (Partial Auto Correlation Function)
2. Estimasi Parameter Model
Model terbaik berdasarkan goodness to fit melalui uji t, k , R2 serta kriteria AIC (Akaike Information Criterion) dan SC (Schwarz Criterion)
3. Evaluasi Model
Pengujian signifikansi ACF dan PACF melalui uji dari Barlett, Box dan Pierce maupun Ljung-Box
4. Prediksi / Peramalan
Root Mean Squares Error (RMSE)
Mean Absolute Error (MAE)
Mean Absolute Percentage Error (MAPE)
Nama : Muhammad Bayu Kusuma Wardana
NPM : 1912119008P
ARIMA merupakan metode gabungan antara Autoregressive dan Moving Average. Dibangun berdasarkan 2 kriteria yaitu model Auto Regressive murni atau Moving Average murni dan gabungan keduanya.
Model Box-Jenkins terdiri dari model;
ΓÇó Autoregressive (AR)
ΓÇó Moving Average (MA)
ΓÇó Autoregressive-Moving Average (ARMA)
ΓÇó Autoregressive Integrated Moving Average (ARIMA).
A. Proses regresi diri dalam pemodelan ARIMA dalam metode Box-Jenkins terdiri dari:
- Proses regresi diri ordo pertama (AR1) :
Yt = ╬▓1 Yt - 1+╬▓2 Yt-2 + ... + ╬▓p Yt-p + et
- Proses regresi diri ordo kedua (AR2) :
Yt = ╬▓1 YT-1 + ╬▓2 Yt-2 + et
- Proses regresi diri ordo untuk tahun-tahun sebelumnya atau P AR (P) :
Yk = ╬▓1 Pk-1 + ╬▓2 Pk-2 + ╬▓p Yt-p + et
B. Proses Rataan Bergerak (Moving Average)
- Rataan bergerak ordo pertama MA (1) :
Yt = et - ╬▓1 et-1
- Rataan bergerak ordo kedua MA (2)
Yt = et - ╬▓1 et-1 - ╬▓2 et-2
- Rataan bergerak ordo q MA (q)
Yt = et - ╬▓1 et-1 - ╬▓2 et-2 - ... - ╬▓p et-q
C. Proses Campuran Diri dan Rataan Bergerak (ARMA (P,Q)) Jika model terdiri atas gabungan proses regresi diri ordo p dan rataan bergerak ordo q, dinamakan ARMA (P,Q).
Bentuk persamaan ARMA (P,Q) :
Yt= β1 Pk-1 + β2 Pk-2 + … + Bp Yt-p + et + a1 et-1 + a2 et-2 + … + aq et-q
Persamaan Yuke-Walker untuk ARMA (P,Q)
Pk = β1 Pk-1 + β2 Pk-2 + … + βp Pk-p Untuk K>q
Model Autoregressive Integrated Moving Average (ARIMA)
- Persyaratan utama model AR, MA, ARMA adalah kestasioneran data deret waktu yang digunakan.
- Jika data deret waktu tidak stasioner dalam level, perlu dibuat stasioner melalui proses diferensi
- Jika diferensi tingkat pertama belum menghasilkan deret yang stasioner, dilakukan diferensi tingkat berikutnya
- Model AR, MA atau ARMA dengan data stasioner melalui proses diferensi ini disebut dengan model ARIMA.
Prosedur Box-Jenkins :
1. Identifikasi Model
Melalui ACF (Auto Correlation Function) dan PACF (Partial Auto Correlation Function)
2. Estimasi Parameter Model
Model terbaik berdasarkan goodness to fit melalui uji t, k , R2 serta kriteria AIC (Akaike Information Criterion) dan SC (Schwarz Criterion)
3. Evaluasi Model
Pengujian signifikansi ACF dan PACF melalui uji dari Barlett, Box dan Pierce maupun Ljung-Box
4. Prediksi / Peramalan
Root Mean Squares Error (RMSE)
Mean Absolute Error (MAE)
Mean Absolute Percentage Error (MAPE)
Nama : Muhammad Bayu Kusuma Wardana
NPM : 1912119008P
Nama   : Desiana Susianti
NPM   : 1612110338
 
Kesimpulan Pembelajaran : Metode Kointegrasi dan ECM
Error Correction Mechanism (ECM) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Metode ECM digunakan menyeimbangkan hubungan ekonomi jangka pendek variabel-variabel yang telah memiliki keseimbangan/hubungan ekonomi jangka panjang.
Kointegrasi adalah analisis data time series mensyaratkan stasioneritas sebagai salah satu dasar penting keabsahan prosesnya. Terdapat keadaan dimana kita dapat menganalisis hubungan variabel-variabel time series, walaupun ketika variabel-variabel tersebut tidak stasioner, yaitu ketika kombinasi linier variabel-variabel tersebut, stasioner. Kondisi tersebut dikenal sebagai kointegrasi.
ECM membagi persamaan variabel-variabel yang sering berkointegrasi menjadi dua persamaan yaitu persamaan jangka panjang dan persamaan jangka pendek. keadaaan kointegrasi dalam model ECM dilihat pada stasioneritas residualnya, Hal ini kemudian mengharuskan variabel-variabel yang kita miliki tidak ada yang stasioner pada level dan residual atau error (e) persamaan regresi variabel-variabel tersebut stasioner pada levelnya
 
Dalam analisis data time series, error correction mechanism (ECM) memiliki beberapa kelebihan dalam hal pembentukan model, yaitu :
1.) ECM dapat melakukan spesifikasi model atas bentuk umumnya.
2.) ECM dapat menjelaskan informasi jangka panjang dan jangka pendek dari data (Vamvoukas, 1998). serta dapat diketahui konsisten tidaknya model empirik dengan teori ekonomo.
3.) ECM sebagai salah satu model dinamik untuk mencari penyelesaian data runtun waktu yang tidak stasioner.
4.) ECM dapat digunakan untuk mencari penyelesaian masalah multikulliniaritas dan regresi langsung.
kesimpulan dari teori ARCH /GARCH adalah sebagai berikut
ARCH/GARCH adalah suatu model peramalan/forecasting time series yang digunakan dalam single equation artinya hanya menggunakan satu variabel saja. Dengan menggunakan informasi periode data yang lalu dapat meramal nilai data untuk periode yang akan datang
ARCH/GARCH biasanya digunakan untuk mencari volitalitas suatu data. Yang dilihat adalah pengaruh varian dan error kuadrat dari series datanya. ARCH/GARCH adalah kelanjutan dari peramalam model ARIMA, dimana syarat yang digunakan apabila model ARIMA yang dipilih tidak memenuhi asumsi homokedastisitas artinya modelnya masih mengandung heterokedastistas.
Sehingga akan didapat beberapa model ARCH/GARCH. Setelah model didapat biasanya yang dipilih adalah model yang signifikan, error terkecil, bias proportion terkecil, korelasinya tinggi serta memenuhi asumsi normalitas dan homokedastisitas barulah model tersebut dapat digunakan untuk melakukan forecast/peramalan untuk nilai data periode berikutnya.
      
Adapun model umum ARCH/GARCH (p,q,r), p adalah arch, q adalah diffrence, dan r adalah garch
Misal: GARCH (1,0,0) artinya menggunakan ARCH(1,0) pada data level
           
Kointegrasi adalah suatu hubungan jangka panjang antara peubah-peubah yang meskipun secara individual tidak stasioner, tetapi kombinasi linier antara peubah tersebut dapat menjadi stasioner (Juanda dan Junaidi, 2012). Uji kointegrasi dapat digunakan untuk mengetahui apakah dua atau lebih variabel ekonomi atau variabel finansial memiliki hubungan keseimbangan jangka panjang. Apabila data variabel-variabel telah stasioner artinya antara variabel tersebut terkointegrasi atau memiliki hubungan jangka panjang.
Jadi kesimpulannya adalah  ARCH/GARCH adalah suatu model peramalan yang di gunakan dalam single equation yang artinya hanya mengunakan 1 variabel saja.sedangkan kointegrasi adalah suatu hubungan jangka panjang antara perubahan perubahan yang meskipun secara individual tidak stasioner.
Nama Dosinta dari
Npm 1712110340
Kesimpulan Pembelajaran : Design penelitian keuangan
Desain penelitian adalah pedoman atau prosedur serta teknik dalam perencanaan penelitian yang berguna sebagai panduan untuk membangun strategi yang menghasilkan model
Masalah riset
Problem riset diturunkan dari problem mananajemen di sekitar kita sedangkan Tujuannya adalah untuk mengetahui bagaimana hubungan antar variable atau factor dari problem mananajemen .dalam hal ini variable variable yang mempengaruhi atau dipengaruhi oleh masalah manajemen diperoleh dari teori pada domain bersangkutan
Komponen design riset Kuantitaf
1.Masalah Riset
2.Review literatur berkaitan promblema riset
3.Model Hipotesis
4.Pengumpulan data
5.Metode Analisis Data
Metodelogi Riset kualitatif adalah pendekatan dalam studi kualitatif,menyangkut one shot data gathering (Fenomenologi) ataukah iterative data gathering
Fenomenologi adala studi tentang fenomena ata kejadian sesuatu hal yang muncul dalam masyarakat
Dan grounded theory adalah metode menurunkan prposisi melalui interprestasi secara kontinyu diturunkan dari data penelitian
Desain Riset Kualitatif terdiri atas :
Ethnografi adalah studi tentang budaya suatu kelompok, yaitu sifat, interaksi, leader pattern dan hal ini yang menggambarkan kelompok tersebut sebagaimana yang ditangkap oleh peneliti.
Studi Kasus adalah studi tentang apa yang ada dikelompok tersebut secara deskriptif namun juga bagaimana kelompok tersebut bereaksi dan mempersepsikan fenomena yang dihadapi.
Desain penelitian adalah pedoman atau prosedur serta teknik dalam perencanaan penelitian yang berguna sebagai panduan untuk membangun strategi yang menghasilkan model
Masalah riset
Problem riset diturunkan dari problem mananajemen di sekitar kita sedangkan Tujuannya adalah untuk mengetahui bagaimana hubungan antar variable atau factor dari problem mananajemen .dalam hal ini variable variable yang mempengaruhi atau dipengaruhi oleh masalah manajemen diperoleh dari teori pada domain bersangkutan
Komponen design riset Kuantitaf
1.Masalah Riset
2.Review literatur berkaitan promblema riset
3.Model Hipotesis
4.Pengumpulan data
5.Metode Analisis Data
Metodelogi Riset kualitatif adalah pendekatan dalam studi kualitatif,menyangkut one shot data gathering (Fenomenologi) ataukah iterative data gathering
Fenomenologi adala studi tentang fenomena ata kejadian sesuatu hal yang muncul dalam masyarakat
Dan grounded theory adalah metode menurunkan prposisi melalui interprestasi secara kontinyu diturunkan dari data penelitian
Desain Riset Kualitatif terdiri atas :
Ethnografi adalah studi tentang budaya suatu kelompok, yaitu sifat, interaksi, leader pattern dan hal ini yang menggambarkan kelompok tersebut sebagaimana yang ditangkap oleh peneliti.
Studi Kasus adalah studi tentang apa yang ada dikelompok tersebut secara deskriptif namun juga bagaimana kelompok tersebut bereaksi dan mempersepsikan fenomena yang dihadapi.
Nama : M.IVAN PRABOWO
Npm   : 1712110154
kesimpulan pembelajaran : Model ARIMA (Autoregressive Integrated Moving Average)
ARIMA biasa disebut juga metode runtun waktu. dimana metode ini saangat baik untuk peramalan jangka pendek tetapi kurang untuk peramalan jangka panjang. ARIMA adalah model yang secara penuh mengabaikan independen variabel dalam membuat peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan
peramalan jangka pendek yang akurat. ARIMA cocok jika observasi dari deret waktu (time series) secara statistik berhubungan satu sama lain (dependent).
Model ARIMA terdiri dari 3 tahap, yakni tahap identifikasi, tahap penaksiran dan pengujian, dan tahap pemeriksaan diagnostik.
Model ARIMA di bagi dalam 3 kelompok :
1. Autoregressive Model (AR)
2. Moving Average Model (MA)
3. model campuran ARIMA (autoregresive moving average)
Peramalan dengan metode Box-Jenkins didasarkan pada model regresi deret waktu stasioner tanpa komponen musiman, sehingga jika yang dianalisis data bulanan maka perlu ditelaah keberadaan komponen musimannya, sebab jika ada, komponen ini harus dieliminasi melalui proses diferensiasi.
4 tahap prosedur box- jenkins
a) identifikasi model
b) estimasi parameter model
c) evaluasi model
d) prediksi atau peramalan
Nama : M. LUQMAN DIMAS N.
NPM : 1512110053
ARIMA biasa disebut juga metode runtun waktu. dimana metode ini saangat baik untuk peramalan jangka pendek tetapi kurang untuk peramalan jangka panjang. ARIMA adalah model yang secara penuh mengabaikan independen variabel dalam membuat peramalan. ARIMA menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan
peramalan jangka pendek yang akurat. ARIMA cocok jika observasi dari deret waktu (time series) secara statistik berhubungan satu sama lain (dependent).
Model ARIMA terdiri dari 3 tahap, yakni tahap identifikasi, tahap penaksiran dan pengujian, dan tahap pemeriksaan diagnostik.
Model ARIMA di bagi dalam 3 kelompok :
1. Autoregressive Model (AR)
2. Moving Average Model (MA)
3. model campuran ARIMA (autoregresive moving average)
Peramalan dengan metode Box-Jenkins didasarkan pada model regresi deret waktu stasioner tanpa komponen musiman, sehingga jika yang dianalisis data bulanan maka perlu ditelaah keberadaan komponen musimannya, sebab jika ada, komponen ini harus dieliminasi melalui proses diferensiasi.
4 tahap prosedur box- jenkins
a) identifikasi model
b) estimasi parameter model
c) evaluasi model
d) prediksi atau peramalan
Nama : M. LUQMAN DIMAS N.
NPM : 1512110053
Kesimpulan dari metode forecasting
Forecasting adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu produk atau jasa dalam periode waktu tertentu dimasa yang akan datang. Peramalan mempakan kegiatan integral dari pengambilan keputusan manajemen. Organisasi selalu menentukan sasaran dan tujuan, bemsaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut
Kegiatan peramalan merupakan salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat diproduksi dalam jumlah yang tepat
Peramalan berdasarkan jangka waktu :
1. Peramalan jangka pendek
2. Peramalan jangka menengah 
3. Peramalan jangka panjang 
Metode Peramalan berdasarkan metode menjadi 2 yaitu :
1. Metode Peramalan Kuantitatif menjadi 2 jenis yaitu:
A. Model seri waktu / metode deret berkala (time series)  metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu,
B. Model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).
ΓÖí terdapat 4 deret waktu
1.komponen trend
2.komponen siklus.
3.Komponen variasi musim.
4.Faktor acak.
ΓÖí Dengan motode pemulusan dan peramalan data deret saktu menggunakan teknik teknik rata rata bergerak
1.metode Exponential Smoothing (Penghalusan Eksponensial )
metode peramalan rata-rata bergerak yang memberikan bobot secara eksponensial atau bertingkat pada data-data terbarunya sehingga data-data terbaru tersebut akan mendapatkan bobot yang lebih besar.
2. Motode box jenkins
model yang secara penuh mengabaikan independen varibel dalam pembuatan peramalan
3.motode proyeksi trend regresi
merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matemati
Nama : Dwita Tifani
Npm : 1712110315
Forecasting adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu produk atau jasa dalam periode waktu tertentu dimasa yang akan datang. Peramalan mempakan kegiatan integral dari pengambilan keputusan manajemen. Organisasi selalu menentukan sasaran dan tujuan, bemsaha menduga faktor-faktor lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut
Kegiatan peramalan merupakan salah satu fungsi bisnis untuk memperkirakan permintaan serta penggunaan produk agar produk-produk tersebut dapat diproduksi dalam jumlah yang tepat
Peramalan berdasarkan jangka waktu :
1. Peramalan jangka pendek
2. Peramalan jangka menengah 
3. Peramalan jangka panjang 
Metode Peramalan berdasarkan metode menjadi 2 yaitu :
1. Metode Peramalan Kuantitatif menjadi 2 jenis yaitu:
A. Model seri waktu / metode deret berkala (time series)  metode yang dipergunakan untuk menganalisis serangkaian data yang merupakan fungsi dari waktu,
B. Model / metode kausal (causal/explanatory model), mengasumsikan variabel yang diramalkan menunjukkan adanya hubungan sebab akibat dengan satu atau beberapa variabel bebas (independent variable).
ΓÖí terdapat 4 deret waktu
1.komponen trend
2.komponen siklus.
3.Komponen variasi musim.
4.Faktor acak.
ΓÖí Dengan motode pemulusan dan peramalan data deret saktu menggunakan teknik teknik rata rata bergerak
1.metode Exponential Smoothing (Penghalusan Eksponensial )
metode peramalan rata-rata bergerak yang memberikan bobot secara eksponensial atau bertingkat pada data-data terbarunya sehingga data-data terbaru tersebut akan mendapatkan bobot yang lebih besar.
2. Motode box jenkins
model yang secara penuh mengabaikan independen varibel dalam pembuatan peramalan
3.motode proyeksi trend regresi
merupakan metode yang dignakan baik untuk jangka pendek maupun jangka panjang. Metode ini merupakan garis trend untuk persamaan matemati
Nama : Dwita Tifani
Npm : 1712110315
Nama : Muhammad Cahaya f
Npm : 1712110111
Kesimpulan forecasting :
Forecasting atau bisa disebut perkiraan atau peramalan yaitu kegiatan yang bertujuan untuk meramalkan atau memprediksi segala hal yang terkait dengan produksi, penawaran, permintaan ,dan penggunaan teknologi dalam sebuah industri atau usaha. Perkiraan ini pada akhirnya akan digunakan oleh perusahaan maupun pihak manajemen operasional untuk membuat perencanaan terkait kegiatan usaha ndalam beberapa periode tertentu...
Fungsi forecasting ini terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan ..
Adapun jenis jenis forecasting :
a. Perkiraan Berdasarkan Waktu
ΓÇô Perkiraan jangka panjang, mencakup waktu lebih dari 18 Bulan.
ΓÇô Perkiraan jangka menengah, mencakup waktu antara 3-18 Bulan.
ΓÇô Perkiraan jangka pendek
Mencakup jangka waktu kurang dari 3 Bulan.
b. Perkiraan Berdasarkan Fungsi & Perencanaan Operasi Masa Depan.
ΓÇô Perkiraan ekonomi .
ΓÇô Perkiraan teknologi
ΓÇô Perkiraan permintaan
c. Perkiraan Berdasarkan Jenis Data yang Disusun.
ΓÇô Perkiraan kualitatif, yang didasarkan atas data kualitatif pada masa lalu. Hasil prediksi yang dibuat sangat tergantung pada orang yang menyusunnya., seperti pendapat salesman, pendapat sales manajer pendapat para ahli, dan survey konsumen.
ΓÇô Perkiraan kuantitatif, yaitu perkiraan yang didasarkan atas data penjualan pada masa lalu.
d. Berdasarkan Sifat Penyusunannya.
ΓÇô Perkiraan subjektif, yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.
ΓÇô Perkiraan objektif, didasarkan atas data yang relevan pada masa lalu.
Trimakasih
Npm : 1712110111
Kesimpulan forecasting :
Forecasting atau bisa disebut perkiraan atau peramalan yaitu kegiatan yang bertujuan untuk meramalkan atau memprediksi segala hal yang terkait dengan produksi, penawaran, permintaan ,dan penggunaan teknologi dalam sebuah industri atau usaha. Perkiraan ini pada akhirnya akan digunakan oleh perusahaan maupun pihak manajemen operasional untuk membuat perencanaan terkait kegiatan usaha ndalam beberapa periode tertentu...
Fungsi forecasting ini terlihat pada saat pengambilan keputusan. Keputusan yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan ..
Adapun jenis jenis forecasting :
a. Perkiraan Berdasarkan Waktu
ΓÇô Perkiraan jangka panjang, mencakup waktu lebih dari 18 Bulan.
ΓÇô Perkiraan jangka menengah, mencakup waktu antara 3-18 Bulan.
ΓÇô Perkiraan jangka pendek
Mencakup jangka waktu kurang dari 3 Bulan.
b. Perkiraan Berdasarkan Fungsi & Perencanaan Operasi Masa Depan.
ΓÇô Perkiraan ekonomi .
ΓÇô Perkiraan teknologi
ΓÇô Perkiraan permintaan
c. Perkiraan Berdasarkan Jenis Data yang Disusun.
ΓÇô Perkiraan kualitatif, yang didasarkan atas data kualitatif pada masa lalu. Hasil prediksi yang dibuat sangat tergantung pada orang yang menyusunnya., seperti pendapat salesman, pendapat sales manajer pendapat para ahli, dan survey konsumen.
ΓÇô Perkiraan kuantitatif, yaitu perkiraan yang didasarkan atas data penjualan pada masa lalu.
d. Berdasarkan Sifat Penyusunannya.
ΓÇô Perkiraan subjektif, yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya.
ΓÇô Perkiraan objektif, didasarkan atas data yang relevan pada masa lalu.
Trimakasih
Kesimpulan Pembelajaran Vidio Metode Kointegrasi dan Metode ECM pada pertemuan ke-7
Nama dan NPM: Faryanti Charina / 1712110237
ΓÇó Error Correction Mechanism (ECM) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Model ECM biasa digunakan untuk menyeimbangkan hubungan ekonomi jangka pendek pada variabel-variabel yang telah memiliki keseimbangan atau ubungan ekonomi jangka panjang.
Nama dan NPM: Faryanti Charina / 1712110237
ΓÇó Error Correction Mechanism (ECM) merupakan analisis data time series yang digunakan untuk variabel-variabel yang memilki ketergantungan yang sering disebut dengan kointegrasi. Model ECM biasa digunakan untuk menyeimbangkan hubungan ekonomi jangka pendek pada variabel-variabel yang telah memiliki keseimbangan atau ubungan ekonomi jangka panjang.
ΓÇó Kointegrasi adalah suatu hubungan jangka panjang antara peubah-peubah yang meskipun secara individual tidak stasioner, tetapi kombinasi linier antara peubah tersebut dapat menjadi stasioner (Juanda dan Junaidi, 2012). Kointegrasi digunakan ntuk menganalisis hubungan variabel-variabel time series, walaupun ketika variabel-variabel tersebut tidak stasioner (kondisi stasioner yg merupakan tidak adanya perubahan yang drastis pada data. Fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan variansi dari fluktuasi tersebut. (Makridakis, 1995) ). Ini akan berdampak pada kurang baiknya model yang diestimasi.
ΓÇó Model ECM itu sendiri adalah memasukkan penyesuaian untuk melakukan koreksi ketidak seimbangan jangka pendek menuju keseimbangan jangka panjang. Fungsi ECM adalah untuk memecahkan permasalahan pada saat membuat suatu penelitian.
ΓÇó Prosedur-Prosedur
1. Uji Kointegrasi dengan Estimasi Persamaan dua Variabel menggunakan program Eview
Dengan Estimate Equation yang menggunakan dua variabel (peubah bebas dan peubah tidak bebas) yang akan menghasilkan output nilai koefisen dari konstanta dan peubah bebas dengan masing-masing T, probabilitas, standar error dan nilai R Squared, Adj. RSquared dan nilai F.
1. Uji Kointegrasi dengan Estimasi Persamaan dua Variabel menggunakan program Eview
Dengan Estimate Equation yang menggunakan dua variabel (peubah bebas dan peubah tidak bebas) yang akan menghasilkan output nilai koefisen dari konstanta dan peubah bebas dengan masing-masing T, probabilitas, standar error dan nilai R Squared, Adj. RSquared dan nilai F.
2. Uji Kestasioneran et (error pada waktu tertentu) dengan menggunakan Uji ADF dan Uji PP
Uji ADF atau Metode Augmented Dickey Fuller dan Uji PP merupakan Metode Uji Philips Peron. Dimana kedua uji tersebut merupakan uji kestasioneran suatu data. Yang mana stasioner itu sendiri menunjukkan suatu kondisi data time series yang jika di rata-rata varians dan co-varians dari pebah-peubah tersebut tidak dipengaruhi oleh waktu. Dan dalam hal ini prosedur ini, akan menghasilkan data seri residual.
Uji ADF atau Metode Augmented Dickey Fuller dan Uji PP merupakan Metode Uji Philips Peron. Dimana kedua uji tersebut merupakan uji kestasioneran suatu data. Yang mana stasioner itu sendiri menunjukkan suatu kondisi data time series yang jika di rata-rata varians dan co-varians dari pebah-peubah tersebut tidak dipengaruhi oleh waktu. Dan dalam hal ini prosedur ini, akan menghasilkan data seri residual.
3. Melakukan pendugaan menggunakan model ECM
Bagaimana cara melakukan pendugaan menggunakan model ECM untuk melihat hubungan kointegrasi antar variabel-variabel yang ada. Yang akan menghasilkan output baru nilai ET, probabilitas, standar error dan nilai R-Squared, Adj. R-Squared dan nilai F yang akan dibandingkan dengan T tabel dan F tabel dan kemudian dilihat adanya hubungan antar variabel yang simultan pada tingkat signifikan.
Bagaimana cara melakukan pendugaan menggunakan model ECM untuk melihat hubungan kointegrasi antar variabel-variabel yang ada. Yang akan menghasilkan output baru nilai ET, probabilitas, standar error dan nilai R-Squared, Adj. R-Squared dan nilai F yang akan dibandingkan dengan T tabel dan F tabel dan kemudian dilihat adanya hubungan antar variabel yang simultan pada tingkat signifikan.
Kesimpulanny adalah :
Forecasting atau peramalan merupakan sebuah metode sebagai alat bantu dalam melakukan suatu perencanaan yang efisien dan efektif. Contohnya seperti peramalan tingkat permintaan suatu produk atau beberapa produk serta peramalan terhadap harga sembako di dalam kurun waktu tertentu di masa yang akan datang.
Metode ΓÇô Metode yang Digunakan dalam Forecasting Time Series atau Deret Waktu
Di dalam analisa deret waktu terdapat keterkaitan antara variable yang dicari (dependent) dengan variable yang mempengaruhinya (independent variable) yang dihubungkan dengan waktu seperti mingguan, bulan, atau bahkan tahun. Di dalam analisa deret waktu, variable yang dicari adalah waktu.
Berikut metode peramalah di dalam analisa deret waktu:
Metode Smoothing
Metode Box Jenkins
Metode Proyeksi Trend dengan Regresi
Causal Methods atau Sebab Akibat
Merupakan metode yang didasarkan pada keterkaitan antara variable yang di perkirakan dengan variable lain yang mempengaruhinya tetapi bukan dalam bentuk variable waktu.
-Metode peramalan yang ada pada causal methods yaitu:
-Metode Regresi dan Korelasi
-Model Input Output
-Model Ekonometri Teknik atau metode dalam peramalan kualitatif
-Juri dari Opini Eksekutif
-Gabungan Tenaga Penjualan
-Metode Delphi
-Survei Pasar (Market Survey)
Forecasting atau peramalan merupakan sebuah metode sebagai alat bantu dalam melakukan suatu perencanaan yang efisien dan efektif. Contohnya seperti peramalan tingkat permintaan suatu produk atau beberapa produk serta peramalan terhadap harga sembako di dalam kurun waktu tertentu di masa yang akan datang.
Metode ΓÇô Metode yang Digunakan dalam Forecasting Time Series atau Deret Waktu
Di dalam analisa deret waktu terdapat keterkaitan antara variable yang dicari (dependent) dengan variable yang mempengaruhinya (independent variable) yang dihubungkan dengan waktu seperti mingguan, bulan, atau bahkan tahun. Di dalam analisa deret waktu, variable yang dicari adalah waktu.
Berikut metode peramalah di dalam analisa deret waktu:
Metode Smoothing
Metode Box Jenkins
Metode Proyeksi Trend dengan Regresi
Causal Methods atau Sebab Akibat
Merupakan metode yang didasarkan pada keterkaitan antara variable yang di perkirakan dengan variable lain yang mempengaruhinya tetapi bukan dalam bentuk variable waktu.
-Metode peramalan yang ada pada causal methods yaitu:
-Metode Regresi dan Korelasi
-Model Input Output
-Model Ekonometri Teknik atau metode dalam peramalan kualitatif
-Juri dari Opini Eksekutif
-Gabungan Tenaga Penjualan
-Metode Delphi
-Survei Pasar (Market Survey)