<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="11692">
 <titleInfo>
  <title>Penaksiran model garch dengan metode Bounded M-Estimates</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Ubaid, Yahya</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Bandung</placeTerm>
   <publisher>Magister Statistika Terapan</publisher>
   <dateIssued>2012</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd"></form>
  <extent>xii, 76 hlm. ; il. ; 29 cm</extent>
 </physicalDescription>
 <note>Asumsi-asumsi model deret waktu adalah adanya autokorelasi dan &#13;
stasioneritas (stasioner dalam rata-rata atau stasioner dalam variansi). Terdapat &#13;
data deret waktu yang sulit diperoleh kestasioneran pada variansinya seperti pada &#13;
data deret waktu finansial (indeks harga saham, tingkat suku bunga, inflasi, kurs &#13;
mata uang dIl), dengan kata lain variansinya tidak konstan (heteroskedastisitas). &#13;
Model deret waktu yang mengakomodasi heteroskedastisitas adalah model ARCH &#13;
(Autoregressive Conditional Heteroscedasticityi. Pengembangan dari model &#13;
ARCH adalah model GARCH (Generalized Autoregressive Conditional &#13;
Heteroscedasticity). Model GARCH biasanya menggunakan metode Maximum &#13;
Likelihood untuk menaksir parametemya. Metode ini didasarkan pada normal &#13;
likelihood yang sangat sensitif terhadap adanya outlier, sehingga menjadikan hasil &#13;
penaksiran tidak konsisten. Untuk mengatasi masalah tersebut diperlukan penaksir &#13;
yang mampu memberikan hasil penaksiran yang konsisten. Metode Bounded M­ &#13;
Estimates merupakan metode penaksiran model GARCH yang robust terhadap &#13;
keberadaan outlier. &#13;
&#13;
Hasil simulasi dan data riil menunjukkan bahwa ketika ada outlier, hasil &#13;
penaksiran model GARCH dengan metode Bounded M-Estimates lebih baik &#13;
dibandingkan metode Maximum Likelihood Estimates. Hal tersebut pada data &#13;
&#13;
simulasi dapat ditunjukkan oleh nilai bias absolut parameter ao, ap P1 yang lebih &#13;
kecil, dan dua sifat Zt yaitu pada korelasi z/ dengan Zt-/ yang lebih mendekati nol &#13;
dan pada variansi (Zt) yang lebih mendekati satu. Untuk data riil tentang Inflasi &#13;
Indonesia dari Bulan Januari 1979 sampai dengan Desember 2010 dapat &#13;
ditunjukkan oleh dua sifat z, yaitu pada korelasi z/ dengan Zt-l yang lebih &#13;
mendekati nol dan pada variansi (Zt) yang lebih mendekati satu. Kriteria tersebut &#13;
merupakan indikator untuk mendeskripsikan kebaikan metode Bounded M­ &#13;
Estimates pada model GARCH. &#13;
&#13;
</note>
 <note type="statement of responsibility">Ubaid, Yahya</note>
 <subject authority="">
  <topic>Penaksiran Model GARCH dengan  Metode Bounded M-Es</topic>
 </subject>
 <classification>519.5</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi</physicalLocation>
  <shelfLocator>519.5 Uba p/R.14.103</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">01001120700063</numerationAndChronology>
    <sublocation>Perpustakaan Pusat (REF.14.103)</sublocation>
    <shelfLocator>519.5 Uba p</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:image>20%252Fscan0001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>11692</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2017-04-01 15:44:36</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2018-06-29 09:22:13</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>