PEMODELAN ARIMAX DENGAN SIMETRIK DAN ASIMETRIK GARCH (Studi Kasus: Data Inflasi Nasional)

Salah satu pemodelan data time series adalah model ARIMA yang mengasumsikan volatilitas konstan, tetapi terdapat banyak kasus data ekonomi dan keuangan memiliki volatilitas tidak konstan. Hal tersebut mengakibatkan terjadinya masalah heteroskedastisitas pada residual sehingga dibutuhkan model Generalized Autoregressive Conditional Heteroschedasticity (GARCH). Selain heteroskedastisitas, salah satu permasalahan yang terdapat pada residual adalah adanya efek asimetris atau leverage effect. Untuk itu diperlukan pemodelan asimetrik GARCH. Penelitian ini bertujuan untuk membandingkan tingkat keakuratan metode GARCH, Glosten Jagannathan Runkle-GARCH (GJRGARCH) dan Asymmteric Power ARCH (APARCH) dengan menggunakan studi simulasi dan membandingkan kinerja peramalan inflasi menggunakan ARIMAX dengan GARCH, GJR-GARCH, dan APARCH. Data yang digunakan dalam penelitian ini adalah data inflasi Indonesia dan harga minyak dunia bulan Januari 1990-Desember 2015. Untuk membentuk model ramalan, data dibagi menjadi insample dan out-sample. Data in-sample terdiri dari data inflasi Indonesia dan harga minyak dunia bulan Januari 1990-Desember2014 dan data out-of-sample bulan Januari 2015-Desember 2015. Penelitian ini memberikan hasil pada simulasi data in-sample, GARCH(1,1) dan GJR-GARCH(1,1) lebih konsisten daripada APARCH(1,1) dalam pemodelan. Power uji asimetrik kurang dari 50% pada sampel kecil (200) maupun besar (1.000) dalam mendeteksi efek asimetrik. Pemodelan dan peramalan terbaik inflasi adalah menggunakan metode ARIMAXGARCH( 1,1) karena akan memberikan selang kepercayaan pendugaan inflasi yang lebih pendek dibandingkan dengan ARIMAX dan ARIMAX-APARCH(1,1). Rata-rata ramalan standard error pada model ARIMAX sebesar 0,99848, lebih besar dibandingkan rata-rata ramalan standard error pada model ARIMAXGARCH( 1,1) dan ARIMAX-APARCH(1,1) yang masing-masing sebesar 0,67981 dan 0,75648