Penerapan Model Autoregressive Fractionally Integrated Moving Average - Generalized Autoregressive Conditional Heteroscedasticity dalam Peramalan Nilai Tukar Rupiah terhadap Euro = Application of the Autoregressive Fractionally Integrated Moving Average - Generalized Autoregressive Conditional Heteroscedasticity Model in Forecasting Rupiah to Euro Exchange Rate

Latar Belakang. Nilai tukar mata uang sering menunjukkan perilaku volatilitas tinggi dan karakteristik long memory. Salah satu metode yang sesuai untuk menangkap pola ini adalah model Autoregressive Fractionally Integrated Moving Average (ARFIMA) yang mampu mengakomodasi sifat long memory untuk kemudian dikombinasikan dengan Generalized Autoregressive Conditional Heteroscedasticity (GARCH) untuk menangani volatilitas bersyarat. Oleh karena itu dilakukan pemodelan ARFIMA-GARCH dalam peramalan nilai tukar Rupiah terhadap Euro. Tujuan. Penelitian ini bertujuan untuk memperoleh model ARFIMA-GARCH terbaik yang dapat digunakan dalam peramalan nilai tukar Rupiah terhadap Euro. Metode. Penelitian ini menggunakan metode ARFIMA-GARCH. Hasil. Model ARFIMA(2;0,488;0)-GARCH(1,1) dipilih sebagai model terbaik dengan nilai AIC sebesar 13,350, serta menghasilkan nilai MAPE sebesar 3,181%. Kesimpulan. Model ARFIMA-GARCH terbukti efektif dalam menangkap perilaku long memory dan volatilitas bersyarat pada data nilai tukar Rupiah terhadap Euro.