Penulisan artikel ini untuk bertujuan menjawab Satu dari sekian banyak pertanyaan Mahasiswa yang Sedang menyelesaikan tugas Akhir, baik skripsi maupun tesis. Pertanyaan dimaksud Adalah Bagaimana menghitung Beta Saham menurut modello Indeks Tunggal. Misalkan Taufik Adalah seorang Mahasiswa, IA ingin mengetahui besarnya beta Saham PT Bumi risorse, Tbk modello berdasarkan Indeks Tunggal dengan periode waktu pengamatan Selama 24 bulan (Juli 2008 Juni2009). ambil dati di Sini dati Harga Saham Bumi, IHSG, ritorno Bumi, ritorno IHSG C. aplikasi SPSS Statistics 17.0 Klik Variabel View. kemudian pada Kolom Nome Baris Pertama ketik RBUMI dan Baris kedua ketik RIHSG. Pada Kolom decimale. Ubah Nilai menjadi 3 untuk semua variabel. Sedangkan untuk Kolom-Kolom lainnya boleh dihiraukan (default isian). Buka Halaman vista di dati dengan klik visualizzazione dati. maka didapat Kolom variabel RBUMI dan RIHSG. Kemudian ketikkan dati sesuai dengan variabelnya. Hasil dati pengisian seperti berikut: Klik Analizzare regressione lineare. Akan Muncul Jendela Linier regressione. Klik variabel RBUMI dan masukkan ke bagian dipendenti. kemudian klik variabel RIHSG ke Kotak indipendente. Klik OK. uscita maka SPSS 17.0 pada bagian Coefficienti sebagai berikut: Dari Hasil tersebut terlihat bahwa koefisien konstanta Adalah sebesar 0,033, Nilai koefisien RIHSG Adalah sebesar 1.886. Dengan Hasil tersebut maka persamaan regresi yang Bisa dibentuk Adalah sebagai berikut: RBUMI 0,033 1.886 RIHSG Berdasarkan persamaan regresi tersebut, Maka besarnya Beta Saham PT Bumi Resource Tbk menurut modello Indeks Tunggal Adalah sebesar 1.886 yang Secara statistik signifikan dengan p-value sebesar 0,001. Demikian penjelasan dari saya, semoga bermanfaat. Scarica artikel, klik di Sini) Saya dengan senang hati menerima kritik dan saran yang membangun. Kritik Dan saran tersebut dapat dikirimkan ke Alamat e-mail: abdhadi70gmail atau klik Kontak saya di Halaman webblog Hadi Gestione: hadiborneo. wordpress Jogiyanto Hartono 2010, Teori Portofolio dan Analisis Investasi. BPFE, Yogyakarta. Eduardus Tandelilin 2010, Portofolio dan dan Investasi Teori Aplikasi. Kanisius, Yogyakarta. Nawari 2010, Analisis Regresi dengan MS Excel 2007 dan SPSS 17. PT Elex Media Komputindo, Jakarta. Commento navigazione Dosen Konsentrasi Manajemen Keuangan. Programma Studi Manajemen, Fakultas Ekonomi dan Bisnis (FEB), Universitas Lambung Mangkurat. Banjarmasin - Kalimantan Selatan. Dati per l'ordinazione, fogli di calcolo, tutorial, Dan dati Olah Secara linea hubungi Kami: ABDUL HADI, Hp 08195139235 atau 081256016995 e-mail einfojasagmail, atau WhatsApp08195139235. Mohon Perhatian8230. Kepada yth, para pengunjung blog HADI GESTIONE, dati pemesananorder, foglio di calcolo, tutorial, Dan dati Olah on-line, selain no. kontaktelpon, e-mail, Dan WhatsApp ATAS nama ABDUL HADI, Maka layanan Jasa tersebut Bukan Milik KAMI. Pembahasan Dalam Buku ini meliputi: (1) Pengantar SPSS 19 dan Saham, (2) uji Pola dati Pergerakan Harga Saham, (3) Prediksi Harga Saham dengan Modello media mobile, (4) Prediksi Harga Saham dengan Arima, (5) Beta Pasar , Beta Akuntansi, dan Beta fondamentali, (6) Beta Koreksian: Scholes-William, modello Dimson, modello dan dan Fowler Drift. Mata Kuliah tempo è più MoneyMetode Box - Jenkins (ARIMA) Metode peramalan Saat ini cukup banyak dengan berbagai kelebihan Masing-Masing. kelebihan ini Bisa mencakup variabel yang digunakan dan Jenis dati in tempo seriesnya. Nah, Dalam penentuan peramalan terbaik ini cukup Sulit. TAPI salah satu tehnik peramalan palizzata Sering digunakan Adalah ARIMA (autoregresif integrato media mobile). ARIMA ini Sering Juga disebut Metode Runtun Waktu box-Jenkins. Dalam pembahasan kali ini kita akan sedikit membahas ARIMA. Modello ARIMA modello di Adalah yang Secara Penuh mengabaikan independen varibel Dalam pembuatan peramalan. ARIMA menggunakan Nilai Masa Lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka Pendek yang akurat. Namun untuk peramalan jangka panjang ketepatan peramalannya Kurnag Baik. Tujuan ARIMA Adalah untuk menentukan hubungan statistik yang baik antar variabel yang diramal dengan nilai historis variabel tersebut sehingga peramalan dapat dilakukan dengan modello tersebut. ARIMA digunakan variabel untunk Suatu (univariata) Deret waktu. untuk mempermudah Dalam menghitung modello ARIMA dapat digunakan berbagai aplikasi diantaranya EViews, Minitab, SPSS, dll. dalam pembahasan kali ini menggunakan aplikai EViews 6.0. Klasifikasi modello ARIMA: Modello ARIMA dibagi Dalam 3 Unsur, yaitu: Modello autoregresif (AR), media mobile (MA), Dan integrato (I). ketiga Unsur ini Bisa dimodifikasi sehingga membentuk modello di Baru. modello misalnya autoregresif dan media mobile (ARMA). Namun, apabila mau dibuat Dalam bentuk umumnya menjadi ARIMA (p, d, q). p menyatakan ordo AR, d menyatakan ordo integrato dan q ordo menyatakan movimento avirage. apabila modelnya menjadi AR maka modello umumnya menjadi ARIMA (1,0,0). untuk Lebih jelasnya berikut dijelaskan untuk Masing-Masing Unsur. Autoregresif bentuk Umum dari modello autoregresif dengan ordo p (AR (p)) modello atau ARIMA (P, 0,0) dinyatakan sebagai beikut: Maksud Dari autoregresif yaitu nilai X dipengaruhi Oleh nilai x periode sebelumnya hingga periode ke-p. Jadi yang berpengaruh disini Adalah variabel ITU sendiri. Media mobile bentuk Umum modello dari media mobile dengan ordo q (MA (q)) modello atau ARIMA (0,0, q) dinyatakan sebagai beriku: Maksud Dari media mobile yaitu nilai variabel x dipengaruhi errore Oleh dari varibel x tersebut. Integrato bentuk modello Umum dari integrato dengan ordo d (I (d)) modello atau ARIMA (0, d, 0). Disini Adalah differenza menyatakan dati dari integrato. maksudnya bahwa Dalam membuuat modello ARIMA condizioni Costi keharusan yang Harus dipenuhi dati Adalah stasioneritas. apabila livello di dati stasioner pada maka ordonya sama dengan 0, Namun apabila stasioner pada diverso Pertama maka ordonya 1, dst. Modello ARIMA dibagi Dalam 2 bentuk. modello yaitu ARIMA Tanpa musiman dan modello ARIMA musiman. modello ARIMA Tanpa musiman modello merupakan ARIMA yang Tidak dipengaruhi Oleh Faktor waktu Musim. bentuk Umum dapat dinyatakan Dalam persamaan berikut. sedangkan ARIMA musiman modello merupakan ARIMA yang dipengaruhi Oleh Faktor waktu Musim. modello ini biasa disebut Stagione ARIMA (SARIMA). bentuk Umum dinyatakan sebagai berikut. Adapun tahap - tahapan pembuatan modello ARIMA: 1. identifikasi modello tentatif (sementara) 2. parametro Pendugaan 3. CEK diagnostico 1. Identifikasi Pada tahap ini kita akan mencari atau menetukan p, d, q dan. penentuan p dan q dengan bantuan korelogram autokorelasi (ACF) Dan korelogram autokorelasi parsial (PACF). Sedangkan 8216d8217 ditentukan dari Tingkat stasioneritasnya. ACF Disini mengukur korelasi Antara pengamatan dengan lag ke-k sedangkan PACF merupakan pengukuran korelasi Antara pengamatan dengan lag ke-k dan dengan mengontrol korelasi anttara dua pengamatan dengan lag kurang Dari k. atau dengan kata rimasto, PACF Adalah korelasi Antara YT dan yt-k setelah menghilangkan efek YT Yang terletak diatara kedua pengamatan tersebut. 2. parametro Pendugaan Pada tahap ini tidak akan dijelaskan Secara teori bagaimana Langkah-Langkah parametro menduga. Mungkin teman-teman Bisa mencari di referensi. Dalam menduga parametro ini sangatlah Susah kalau dikerjakan manuale Secara. Sehingga diperlukanlah bantuan software-software. Sekarang ini software banyak sekali yang digunakan untuk melakukan Analisis ARIMA seperti SPSS, EViews dan Minitab. 3. parametro Cek Diagnostik Setelah menduga, Langkah selajutnya Adalah menguji modello apakah modelnya Sudah Baik untuk digunakan. Untuk modello Melihat yang baik Bisa Visualizzati di recente Dari residualnya. Jika residualnya rumore bianco, Maka modelnya dapat dikatakan Baik dan sebaliknya. Salah satu cara untuk Melihat rumore bianco dapat diuji melalui korelogram ACF dan PACF Dari residui. Bila ACF Dan PACF Tidak signifikan, ini mengindikasikan residuo bianco rumore artinya modelnya Sudah cocok. Selain ITU dapat dilakukan dengan prova Ljung - Box mengetahui Untuk noisenya bianco. Apabila hipótesis awalnya diterima maka residuo memenuhi condizioni Costi rumore bianco. Sebaliknya Jika hipótesis awalnya ditolak maka residuo Tidak rumore bianco. Statistik uji Ljung-Box sebagai berikut: Dari Hasi tersebut mungkin saja ada yang beberapa modello Baik digunakan. Sehingga Langkah selanjutnya dengan memilih modello terbaik dengan Melihat beberapa indicatore rimasto, seperti AIC, SIC, R2adjusted 4. Previsione Setelah ketiga tahap ITU dilewati maka dapat dilakukan peramalan. Peramlan ini sesungguhnya merupakan penjabaran dari persamaan berdasarkan koefisien-koefisien yang didapat, sehingga Kita dapat menetukan kondisi di masa yang akan Datang. refrensi: Nachrowi Djalal Nachrowi dan Hardius Usman. ekonometrika untuk Analisis Ekonomi dan keuangan. 2006. Lembaga Penelitian dan Pemberdayaan Masyarakat. IPB. Modello Box Jenkins ARIMA 2006. Scritto da: Nasrul Setiawan Terima kasih Sudah membaca artikel Time Series dengan judul Metode Box - Jenkins (ARIMA). Anda Bisa segnalibro Halaman ini dengan URL statistikceria. blogspot201212metode-box-Jenkins-arima. html. Apabila ada yang kurang Jelas silahkan tinggalkan komentar atau pesan. Tag: uji ANOVA dengan SPSS ANOVA merupakan lanjutan Dari uji-t independen dimana kita memiliki dua Kelompok percobaan atau Lebih. ANOVA biasa digunakan untuk membandingkan media dari dua Kelompok Sampel Indipenden (bebas). Uji ANOVA ini Juga biasa disebut sebagai analisi della varianza ad una via. Asumsi yang digunakan Adalah subjek diambil Secara acak menjadi Satu Kelompok n. Distribusi media berdasarkan Kelompok normale dengan keragaman yang sama. Ukuran Sampel antara Masing-Masing Kelompok Sampel Tidak Harus sama, tetapi perbedaan Ukuran Kelompok Sampel yang dapat besar mempengaruhi Hasil uji perbandingan keragaman. Hipótesis yang Adalah digunakan: H 0. 1 2 8230 K (media dari semua Kelompok sama) H a. I ltgt j (terdapat media dari dua atau Lebih Kelompok Tidak sama) Statistik uji-F yang digunakan Dalam One Way ANOVA dihitung dengan rumus (k-1). uji F dilakukan dengan membandingkan nilai F hitung (uscita Hasil) dengan nilai F tabel. Sedangkan derajat bebas yang digunakan dihitung dengan rumus (n-k). dimana k Adalah jumlah Kelompok Sampel, dan n Adalah jumlah Sampel. p-value rendah untuk uji ini mengindikasikan penolakan terhadap hipótesis Nol, dengan kata rimasto terdapat Bukti bahwa setidaknya Satu pasangan significa Tidak sama. Sebaran perbandingan Grafis memungkinkan kita Melihat distribusi Kelompok. Terdapat beberapa pilihan tersedia pada Grafik perbandingan yang memungkinkan Kita menjelaskan Kelompok. scatola Termasuk trama. significare . mediana. Dan barra di errore. Evaluasi pada metode pengajaran Oleh pengawas untuk Anak-Anak Sekolah Paket C Adalah sebagai berikut: dati ini kemudian dapat dimasukkan ke Dalam foglio SPSS agar dapat dilakukan Analisis. Hipótesis yang Adalah digunakan: H 0. 1 2 3 4 5 (media Dari Masing-Masing Kelompok metode Adalah sama) H 1. 1 ltgt 2 ltgt 3 ltgt 4 ltgt 5 (terdapat dire dari dua atau Lebih Kelompok metode Tidak sama) Langkah-Langkah pengujian One Way ANOVA dengan software SPSS Adalah sebagai berikut: 1. Dati di ingresso ke Dalam foglio di SPSS, tampilannya akan seperti berikut ini: 2. Kemudian jalankan Analisis dengan memilih ANALYZE Confronta medie ANOVA. seperti berikut ini: dialogo Muncul Kotak 3. Setelah, Maka pindahkan metode ke dependen LIST, dan waktu ke FACTOR. 4. Setelah variabel dependen dimasukkan Pilih OPZIONE. kemudian lista descrittiva dan scatola Omogeneità della varianza, seperti gambar berikut kemudian klik continuare. 6. Setelah ITU maka akan Muncul uscita berupa: 7. Uscita Post hoc test akan berupa MULTIPLA paragone Hasil uji Omogeneità della varianza scatola menunjukkan Nilai sig. (P-value) sebesar 0848. ini mengindikasikan bahwa kita Gagal menolak H0. berarti Tidak cukup Bukti untuk menyatakan bahwa dire dari dua atau Lebih Kelompok metode Tidak sama. Hasil uji un ANOVA yang Telah dilakukan mengindikasikan bahwa uji-F signifikan pada Kelompok uji, ini ditunjukkan Oleh nilai F hitung sebesar 11,6 yang Lebih besar daripada sebesar 3,86 (F hitung GT F tabel) F (3,9), diperkuat dengan Nilai p 0,003 Lebih kecil daripada nilai Kritik 0,05. test di Tukey post hoc Untuk confronti multipli mengindikasikan bahwa Hanya Kelompok 4 yang memiliki Nilai sig. (F Statistik) Yang signifikan Secara Statistik. Hasil ini mengindikasikan bahwa perbedaan rata-rata Antara metode waktu Belajar 1, 2 dan 3 Secara statistik Tidak signifikan dan meannya Secara signifikan Berbeda daripada significa metode 4 yang signifikan Secara Statistik. (Yoz) Visitor S4LPenulisan artikel ini untuk bertujuan menjawab Satu dari sekian banyak pertanyaan Mahasiswa yang Sedang menyelesaikan tugas Akhir, baik skripsi maupun tesis. Pertanyaan dimaksud Adalah Bagaimana menghitung Beta koreksian menurut Scholes-William. Misalkan Taufik Adalah seorang Mahasiswa, IA ingin mengetahui besarnya beta koreksian PT Bumi risorse, Tbk berdasarkan metode Scholes-William dengan periode waktu pengamatan Selama 24 bulan (Juli 2007 Giugno 2009). Klik Variabel View. pada kemudian Kolom Nome Baris Pertama ketik RBumi dan Baris kedua sampai dengan Baris keempat ketik Masing-Masing RIHSG1, RIHSG0. Dan RIHSG1. Pada Kolom decimale. Ubah Nilai menjadi 3 untuk semua variabel. Sedangkan untuk Kolom-Kolom lainnya boleh dihiraukan (default isian). Buka Halaman vista di dati dengan klik visualizzazione dati. maka didapat Kolom variabel RBumi RIHSG1, RIHSG0, dan RIHSG1. Kemudian ketikkan dati sesuai dengan variabelnya. Klik Analizza Regressione Lineare gt gt. maka Akan Muncul Jendela Linier regressione. Klik variabel RBUMI dan masukkan ke bagian dipendenti. kemudian klik variabel RIHSG1, RIHSG0, dan RIHSG1 ke Kotak indipendente. Klik Statistiche. maka Akan Muncul Jendela regressione lineare: Statistiche. Pada Jendela tersebut stime aktifkan. intervalli Convidence. Dan modello in forma. Dan Parte e Correlazioni parziali. Klik Continua Lalu klik OK. uscita maka SPSS 17.0 pada bagian Coefficienti sebagai berikut: Dari Hasil tersebut terlihat bahwa koefisien konstanta Adalah sebesar 0030, Nilai koefisien RIHSG1 Adalah sebesar 0710. koefisien RIHSG0 Adalah sebesar 1.333, dan koefisien RIHSG1 Adalah sebesar 0630. Dengan Hasil tersebut maka persamaan regresi yang Bisa dibentuk Adalah sebagai berikut: R è 0,030 0.710 RIHSG1 1.333 RIHSG0 0630 RIHSG1 Klik Kembali Analizza Regressione Lineare gt gt. maka Akan Muncul Jendela Linier regressione. Kosongkan Kotak Dipendente dan Kotak indipendente. Klik variabel RIHSG0 dan masukkan ke bagian dipendenti. kemudian klik variabel RIHSG1 ke Kotak indipendente. Klik Continua Lalu klik OK. uscita maka SPSS 17.0 pada bagian Coefficienti sebagai berikut: Dari Hasil tersebut terlihat bahwa koefisien konstanta Adalah sebesar 0,003 dan nilai koefisien RIHSG1 Adalah sebesar 0406. Dengan Hasil tersebut maka persamaan regresi yang Bisa dibentuk Adalah sebagai berikut: R è 0,003 0,406 RIHSG1 D. Perhitungan Beta koreksian Scholes-William Beta koreksian menurut ScholesWilliam untuk Satu periode lag dan portare dapat dihitung sebagai berikut: i (0.710 1.333 0,630) (1 2 (0406)) i 2,6731,812 1.475 Jadi, besarnya Beta koreksian PT Bumi Resource Tbk menurut ScholesWilliam Adalah sebesar 1.475. Demikian penjelasan dari saya, semoga bermanfaat. ) Membangun Saya dengan senang hati menerima kritik dan saran yang. Kritik Dan saran tersebut dapat dikirimkan ke Alamat e-mail: abdhadi70gmail atau klik Kontak saya di Halaman webblog Hadi Gestione: hadiborneo. wordpress Jogiyanto Hartono, 2010, Teori Portofolio dan Analisis Investasi. BPFE, Yogyakarta. Eduardus Tandelilin 2010, Portofolio dan dan Investasi Teori Aplikasi. Kanisius, Yogyakarta. Nawari 2010, Analisis Regresi dengan MS Excel 2007 dan SPSS 17. PT Elex Media Komputindo, Jakarta.
No comments:
Post a Comment