eprintid: 76528
rev_number: 10
eprint_status: archive
userid: 12241
dir: disk0/00/07/65/28
datestamp: 2026-05-21 04:25:32
lastmod: 2026-05-21 04:25:32
status_changed: 2026-05-21 04:25:32
type: thesis
metadata_visibility: show
contact_email: sophanshofwan@gmail.com
creators_name: Fadhilah Kurnia Putri, NIM.: 21106010063
title: ANALISIS VOLATILITAS SAHAM MENGGUNAKAN MODEL GENERELIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (GARCH) , LONG SHORT TERM MEMORY (LSTM) DAN HYBRID GARCH - LSTM 
(STUDI KASUS : SAHAM HARIAN JAKARTA ISLAMIC INDEX (JII ) PERIODE JANUARI 2019 – DESEMBER 2023)
ispublished: pub
subjects: Matematika
divisions: jur_mat
full_text_status: restricted
keywords: Volatilitas Saham, GARCH, LSTM, Hybrid GARCH-LSTM, Jakarta Islamic Index
note: Diana Supandi, S.Si., M.Sc.
abstract: Investor di pasar modal tidak hanya mempertimbangkan tingkat keuntungan (return), tetapi juga tingkat risiko yang tercermin melalui volatilitas harga saham. Volatilitas menggambarkan tingkat ketidakpastian pergerakan harga yang dapat memengaruhi stabilitas keputusan investasi, terutama pada indeks saham berbasis syariah seperti Jakarta Islamic Index (JII). Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja model Generalized Autoregressive Conditional Heteroskedasticity (GARCH), Long Short-Term Memory (LSTM), serta Hybrid GARCH–LSTM dalam memodelkan volatilitas saham harian Jakarta Islamic Index periode Januari 2019 hingga Desember 2023. Data yang digunakan berupa harga penutupan harian yang ditransformasikan menjadi log return. Tahapan analisis meliputi uji stasioneritas, autokorelasi, heteroskedastisitas, pembentukan model volatilitas, serta evaluasi performa menggunakan ukuran kesalahan prediksi. Hasil penelitian menunjukkan bahwa data log return JII mengandung efek heteroskedastisitas dan fenomena volatility clustering yang kuat. Berdasarkan hasil evaluasi model, GARCH menghasilkan nilai RMSE sebesar 0,012 dan MAE sebesar 0,009, sedangkan LSTM memperoleh RMSE 0,018 dan MAE 0,014. Model Hybrid GARCH–LSTM menunjukkan peningkatan dibandingkan LSTM tunggal dengan RMSE 0,015 dan MAE 0,011, namun masih sedikit di atas performa GARCH. Hal ini menunjukkan bahwa pendekatan statistik klasik masih unggul dalam kestabilan estimasi volatilitas saham syariah, sementara integrasi kecerdasan buatan berperan sebagai pelengkap dalam meningkatkan fleksibilitas prediksi risiko pasar.
Kata Kunci: Volatilitas Saham, GARCH, LSTM, Hybrid GARCH-
date: 2026-03-04
date_type: published
pages: 137
institution: UIN SUNAN KALIJAGA YOGYAKARTA
department: FAKULTAS SAINS DAN TEKNOLOGI
thesis_type: skripsi
thesis_name: other
citation:   Fadhilah Kurnia Putri, NIM.: 21106010063  (2026) ANALISIS VOLATILITAS SAHAM MENGGUNAKAN MODEL GENERELIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY (GARCH) , LONG SHORT TERM MEMORY (LSTM) DAN HYBRID GARCH - LSTM (STUDI KASUS : SAHAM HARIAN JAKARTA ISLAMIC INDEX (JII ) PERIODE JANUARI 2019 – DESEMBER 2023).  Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.   
document_url: https://digilib.uin-suka.ac.id/id/eprint/76528/1/21106010063_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf
document_url: https://digilib.uin-suka.ac.id/id/eprint/76528/2/21106010063_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf