Pemodelan Autoregressive Integrated Moving Average Dengan Variabel Eksogen Dan Threshold Generalized Autoregressive Conditional Heteroscedasticity (Studi Kasus: Saham Sektor Perindustrian Dan Nilai Tukar Rupiah Terhadap Dolar AS Tahun 2021-2024) = Modeling Autoregressive Integrated Moving Average with Exogenous Variables and Threshold Generalized Autoregressive Conditional Heteroscedasticity (Case Study: Industry Sector Stocks and Rupiah Exchange Rate Against the US Dollar for the period 2021-2024)

Latar Belakang. Autoregressive Integrated Moving Average dengan Variabel Eksogen (ARIMAX) adalah adalah model peramalan runtun waktu yang menggunakan variabel dependen tetapi juga variabel-variabel independen lainnya yang dipengaruhi waktu ke-t. Pada pemodelan ARIMAX seringkali memberikan residual dengan variansi yang tidak konstan (heteroskedastisitas), untuk mengatasi masalah tersebut digunakan metode Generalized Autoregressive Conditional Heteroscedasticity (GARCH). Namun, dalam beberapa kasus sering terjadi namanya keadaan leverage effect (efek asimetris), yaitu suatu keadaan dimana kondisi bad news dan good news memberikan pengaruh yang tidak simetris terhadap volatilitasnya. Salah satu cara untuk mengatasi efek asimetris dengan model Threshold Generalized Autoregressive Conditional Heteroskedasticity. Oleh karena itu, pada penelitian ini dilakukan Pemodelan Autoregressive Integrated Moving Average dengan Variabel Eksogen dan Threshold Generalized Autoregressive Conditional Heteroscedasticity pada Saham Sektor Perindustrian dan Nilai Tukar Rupiah Terhadap Dolar AS Tahun 2021-2024 dengan membagi datanya menjadi data training dan data testing. Tujuan. Penelitian ini bertujuan untuk melakukan peramalan menggunakan model ARIMAX-TGARCH pada Saham Sektor Perindustrian dan Nilai Tukar Rupiah Terhadap Dolar AS Tahun 2021-2024. Metode. Penelitian ini melakukan peramalan nilai saham industri menggunakan model ARIMAX-TGARCH. Hasil. Pada data training model ARIMAX yang mengandung heteroskedastisitas diatasi dengan model ARCH/GARCH, kemudian jika model ARCH/GARCH menunjukkan adanya efek asimetris maka akan diatasi menggunakan model TGARCH, yang akan digunakan pada pemodelan. Pemodelan ARIMAX dengan ARCH/GARCH dan TGARCH menghasilkan 2 model yang signifikan pada setiap parameter. Melakukan evaluasi menggunakan data testing pada model ARIMAX-TGARCH dan ARIMAX-GARCH yang menghasilkan model terbaik dengan nilai AIC sebesar 7.7757 dan Mean Absolute Percentage Error (MAPE) sebesar 0.4175%. Kesimpulan. Pada data testing didapatkan model terbaik dalam peramalan saham industri adalah model ARIMAX-TGARCH dengan nilai MAPE 0.4175% dan AIC sebesar 7.7757.