PENERAPAN MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY PADA PERAMALAN DATA SAHAM BLUE CHIP DI INDONESIA

Model Generalize Autoregressive Conditional Heteroscedasticity (GARCH) merupakan salah satu analisis deret waktu yang dapat mengatasi pelanggaran asumsi kehomogenan ragam sisaan (heteroskedastisitas) pada model Autoregressive Integrated Moving Average (ARIMA). Akan tetapi, model GARCH memiliki kelemahan dalam menangkap pengaruh keasimetrikan pada volatilitas data sehingga perlu dilakukan analisis lebih lanjut menggunakan model Exponential Generalize Autoregressive Conditional Heteroscedasticity (Exponential GARCH). Penelitian ini menggunakan data harga saham harian PT. Bank Central Asia Tbk dari tanggal 2 Januari 2019 sampai dengan 3 Maret 2020 yang umunya memiliki pola sebaran asimetris dan bersifat heteroskedastisitas. Tujuan penelitian ini adalah memperoleh nilai dugaaan harga saham Blue Chip dimasa yang akan datang. Model terbaik untuk data periode 2 Januari 2019 sampai dengan 19 Desember 2019 adalah model ARIMA (0,1,1) E-GARCH (1,1) dengan nilai MAPE sebesar 1.1252% dibandingkan model ARIMA (0,1,1) GARCH (1,1) dengan nilai MAPE 1.1329 %. Selain itu, model ARIMA (0,1,1) E-GARCH (1,1) menghasilkan nilai ramalan data harga saham periode 20 Desember 2019 sampai dengan 3 Maret 2020 lebih baik berdasarkan nilai korelasi tertinggi (0.925) dan nilai RMSEP terendah (113.0401).