Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini ingin melihat korelasi dinamis volatilitas harga minyak terhadap return indeks pasar ASEAN-5 dengan menggunakan pendekatan DCC-GARCH. Volatilitas harga minyak menggunakan 2 pengukuran, yaitu Realized Variance dari harga minyak WTI dan indeks OVX. Hasil penelitian ini menunjukkan bahwa terdapat korelasi yang negatif antara volatilitas harga minyak terhadap return indeks saham ASEAN-5 secara keseluruhan periode penelitian. Selain itu,pendekatan RV merupakan pengukuran volatilitas harga minyak yang lebih baik dibandingkan indeks OVX dalam melihat korelasi dinamis terhadap return indeks pasar saham ASEAN-5 dengan menggunakan information criterion.

---

ABSTRACTThis paper investigates the dynamic correlation of oil price between OVX Oil Volatility Index and Realized Variance from WTI prices to ASEAN 5 stock index return using DCC GARCH approach. We use OVX and RV to examine the better oil proxy to ASEAN 5 stock market return using AIC method. We also examine student rsquo t distribution to check the normal distribution of DCC GARCH. From the result, we find that OVX and RV have negative correlation to ASEAN 5 stock index return within the period in overall. Further, the research shows that RV has more significant result than OVX as a oil proxy to ASEAN 5 stock index return."

"Indeks Harga Saham Gabungan (IHSG) merupakan indeks saham yang biasanya digunakan investor untuk melihat kondisi pasar saham. IHSG merupakan data yang berjenis runtun waktu. Peramalan yang akurat pada IHSG dapat membantu investor meminimalisir risiko. Salah satu model runtun waktu yang sering digunakan adalah model Autoregressive Integrated Moving Average (ARIMA) dimana model ini mengasumsikan bahwa runtun masa kini memiliki hubungan linier dengan runtun historisnya. Jika terdapat pola nonlinier pada data runtun waktu, diperlukan model lain yang dapat mengakomodir pola nonlinier tersebut seperti model Recurrent Neural Network (RNN). Namun, bisa saja sebuah runtun waktu memiliki pola linier dan nonlinier sehingga dikembangkan sebuah model hybrid ARIMA-RNN. Data runtun waktu yang digunakan pada model hybrid ARIMA-RNN direpresentasikan sebagai penjumlahan dari komponen linear dan nonlinier. Ketika dijumpai runtun waktu yang kompleks, model hybrid ARIMA-RNN tidak mampu mendekomposisi data sebagai komponen linier dan nonlinier. Kompleksitas suatu runtun waktu dapat ditentukan dengan menggunakan Sample Entropy (SE). Meramalkan runtun waktu yang kompleks dengan model hybrid ARIMA-RNN dapat mengakibatkan penurunan performa peramalan. Untuk meningkatkan performa model hybrid ARIMA-RNN, diperkenalkan metode dekomposisi (filter) untuk mengurangi kompleksitas dari runtun waktu. Penelitian ini mengonstruksi model hybrid ARIMA-RNN dengan filter Empirical Mode Decomposition (EMD). Konstruksi model hybrid ARIMA-RNN diterapkan pada data indeks penutupan harian IHSG dari tanggal 1 Januari 2016 hingga 31 Desember 2019. Filter EMD pada data tersebut menghasilkan 6 IMF (Intrinsic Mode Function) dan residual yang kompleksitasnya bervariasi. Berdasarkan perhitungan menggunakanSample Entropy (SE) didapat IMF1 hingga IMF5 adalah runtun kompleksitas tinggi sedangkan IMF6 dan residual adalah runtun kompleksitas rendah. Runtun kompleksitas tinggi dan kompleksitas rendah selanjutnya masing-masing dimodelkan dengan RNN danARIMA. Hasil peramalan akhir pada model hybrid ARIMA-RNN dengan filter EMD memberikan nilai RMSE sebesar 35,5702. Nilai RMSE yang didapat lebih kecil dibandingkan nilai RMSE pada model ARIMA, model RNN, dan model hybrid ARIMARNN. Hasil penelitian menunjukkan bahwa model hybrid ARIMA-RNN dengan filter EMD memberikan performa peramalan terbaik pada ramalan IHSG dan juga penggunaan filter EMD memberikan peningkatan performa peramalan pada model hybrid ARIMARNN.

---

Indonesia Composite Index (IDX Composite) is a stock index that is usually used by investors to see stock market conditions. Accurate forecasting on the IDX composite, which is time series data, may assist investors in reducing risk. Autoregressive Integrated Moving Average (ARIMA) model, which implies a linear relationship between the current series and its historical series, is one of the time series models that is frequently used. Other model, such as the Recurrent Neural Network (RNN) model, is required if the time series data contain a nonlinear pattern. A hybrid ARIMA-RNN model was developed since it is possible for a time series that have both a linear and nonlinear pattern. The sum of the linear and nonlinear components is used to represent the time series data in the ARIMA-RNN hybrid model. The ARIMA-RNN hybrid model is unable to separate the data into linear and nonlinear components when a complex time series is present. The complexity of a time series can be determined by using Sample Entropy (SE). The ARIMA-RNN hybrid model's forecasting performance may suffer when forecasting complex time series. To improve the performance of the hybrid ARIMA-RNN model, a decomposition (filter) method is introduced to reduce complexity and deal with nonstationary and nonlinear time series. This research constructs a hybrid ARIMA-RNN model with the Empirical Mode Decomposition (EMD) filter. The construction of the hybrid ARIMA-RNN model is applied to the daily closing of IDX composite from 1 January 2016 to 31 December 2019. The EMD filter on the data produces 6 IMFs and a residual with varying complexity. Based on calculations using Sample Entropy (SE), IMF1 to IMF5 are high complexity time series, while IMF6 and the residual are low complexity time series. The high and low complexity time series are then modeled with RNN and ARIMA, respectively. The final forecasting result on the hybrid ARIMA-RNN model with the EMD filter gives an RMSE value of 35.5702. This RMSE value is smaller than the RMSE values of the ARIMA model, the RNN model, and the hybrid ARIMARNN model. The results show that the hybrid ARIMA-RNN model with the EMD filter provides the best forecasting performance for the IDX composite forecast and also the use of the EMD filter improves the forecasting performance of the hybrid ARIMA-RNN model."

"ABSTRAKPada tahun 2008 terjadi krisis dan goncangan terhadap harga saham di Bursa Efek Indonesia BEI , dengan menganalisis volatilitas yang terjadi penelitian ini menunjukkan kebenarannya. Sebagai ukuran volatilitas digunakan realized volatility yang di dekomposisi menjadi komponen kontinu dan jump, penelitian dilakukan terhadap 48 sample saham dengan 3 periode penelitian tahun 2008, 2011 dan 2013. Dari hasil regresi dapat dibuktikan bahwa pada pasar saham Indonesia BEI tahun 2008 adalah tahun krisis, ditandai dengan terjadinya volatilitas harga yang besar, dan banyaknya loncatan harga saham jump .Karakter volatilitas yang terjadi tahun 2008 periode kritis berbeda dibanding tahun 2011 dan 2013 periode tidak krisis , pada periode krisis terjadi loncatan harga jump yang lebih tinggi, lebih dominan dan tidak terkontrol. Nilai realized volatility dan jump yang terjadi pada operiode kritis besarnya hampir 2 kali lebih besar dibanding pada periode di luar tahun krisis. Pada setiap periode penelitian ditemukan pengaruh trade frequency lebih besar terhadap realized volatility, komponen kontinu dan jump dibanding pengaruh trade size. Peran penjualan yang dilakukan penjual domestik terhadap pembeli domestik lebih besar pengaruhnya terhadap pasar saham Indonesia BEI dibanding dari penjualan yang dilakukan asing

---

ABSTRACTIn 2008, there was crisis and instability on the stock prices in Bursa Efek Indonesia BEI . Through analysis on the volatility, this research demonstrates the factuality of this crisis. The measurements used are Realized Volatility which decomposed into Continuous component and Jump component. The research is conducted on 48 stocks during 3 time periods in 2008, 2011, and 2013. The regression result shows that in Indonesia 39 s stock market BEI , 2008 is the year of the crisis marked by high price volatility and stock price jumps. The volatility characters in 2008 crisis period are different compared to 2011 and 2013 non crisis periods . During the crisis period, stock price jumps are higher, more dominant, and uncontrollable. Realized volatility values and jumps during crisis period are almost doubled compared to non crisis periods.In every research period, Trade Frequency has more effects on the Realized Volatility as well as on Continuous and Jump components, compared to Trade size. In Indonesia 39 s stock market BEI , transactions carried out by domestic sellers against domestic buyers has more effects compared to foreign sellers"

"ABSTRAKPenentuan prioritas pembangunan berorientasi ketahanan energi di seluruh Indonesia mengharuskan pengambil kebijakan mengetahui seberapa baik tingkat ketahanan energi dalam lingkup kewilayahan. Persoalannya, saat ini belum banyak alat bantu untuk melakukan perhitungan ketahanan energi secara praktis di level regional atau daerah. Di samping itu, selama ini pembangunan terkonsentrasi di Jawa, jika dilakukan pemetaan ketahanan energi dalam konteks wilayah lima pulau utama, maka akan dapat ditentukan wilayah mana yang seharusnya mendapat prioritas agar pembangunan lebih merata. Kajian pada thesis ini mengusulkan indikator-indikator yang dapat digunakan secara praktis dalam mengukur ketahanan energi dalam konteks kewilayahan di Indonesia serta model indeks komposit untuk mengkuantifikasi ketahanan energi lima pulau besar di Indonesia, yaitu Sumatera, Jawa, Kalimantan, Sulawesi, dan Papua. Metode studi kepustakaan dilakukan untuk memilih indikator ketahanan energi yang sesuai serta membangun model indeks komposit untuk memetakan ketahanan energi lima pulau besar di Indonesia. Model indeks komposit dikonstruksi melalui tahapan normalisasi minimum-maksimum, pembobotan setara dan rank order centroid, dan agregasi jumlah bobot. Hasilnya, indeks ketahanan energi yang mengunakan teknik pembobotan setara IKE alt. 1 yaitu Sumatera 0,612, Jawa 0,620, Kalimantan 0,677, Sulawesi 0,662, dan Papua 0,481. Untuk indeks ketahanan energi yang menggunakan bobot rank order centroid IKE alt. 2 , diperoleh skor Sumatera 0,623, Jawa 0,796, Kalimantan 0,657, Sulawesi 0,527, dan Papua dengan 0,248. Perbedaan indeks ketahanan energi yang diperoleh dipengaruhi oleh dua hal, yaitu nilai absolut indikator dan tingkat prioritas indikator yang ditetapkan pada penelitian.

---

ABSTRACTPrioritization of energy security oriented development throughout Indonesia requires the policy makers to know how well the level of energy security in the regional scope. The problem is, currently there are limited tools for calculating energy security at regional or local level. In addition, nowadays the national development is concentrated in Java, so if we can map the energy security in the context of five main islands region, it will ease the policy makers to determine which region should be given priority for development more evenly. This study proposes indicators that can be used practically in measuring energy security within the regional context in Indonesia, as well as the composite index model to quantify the energy security of five major islands in Indonesia namely Sumatra, Java, Kalimantan, Sulawesi, and Papua. Literature study conducted to select the appropriate indicators of energy security and build a composite index model to map the energy security of five major islands in Indonesia. The composite index model is constructed through the stages of min ndash max normalization, rank order centroid and equal weighting, as well as weighted sum aggregation. As the result, energy security index through equal weighting technique IKE alt. 1 scores Sumatera 0.612, Jawa 0.620, Kalimantan 0.677, Sulawesi 0.662, and Papua 0.481. Then, the energy security index through rank order centroid weighting technique IKE alt. 2 scores Sumatera 0.623, Jawa 0.796, Kalimantan 0.657, Sulawesi 0.527, and Papua 0.248. The differences in the energy security index scores was influenced by two factors, namely absolute value of indicator and, priority rank of indicator that has been set in the research."

"Penelitian ini berfokus pada shock volatilitas pada model indeks tunggal pada sembilan indeks sektoral dan indeks LQ45 periode 2002 hingga 2006, selain menginvestigasi shock pada volatilitas dalam penelitian ini juga akan sedikit dibahas mengenai beta atau sensitivitas terhadap imbal hasil pasar. Penelitian ini menggunakan metode GARCH dan IGARCH pada pemodelan variansnya sedangkan untuk pemodelan mean digunakan model Box Jenkins atau yang lebih dikenal dengan model ARIMA. Dari analisis penelitian didapat bahwa model indeks tunggal yang memiliki tingkat volatility shock persistence yang paling tinggi dengan mengikuti GARCH (1,1) dengan proses yang stasioner adalah indeks pertambangan. Lima indeks (indeks pertambangan, finansial, infrastruktur, LQ45, dan properti) memiliki shock pada volatilitas yang tinggi dan dapat dimodelkan dengan IGARCH, sehingga menghasilkan proporsi shock pada volatilitas persistence (tidak berkurang seiring berjalannya waktu), sehingga bagi investor yang menghindari risiko sebaiknya menghindari berinvestasi di indeks ini sebab harga dapat bergerak sendiri tanpa adanya informasi. Sedangkan indeks yang memiliki tingkat sensitivitas yang paling tinggi terhadap pergerakan imbal hasil indeks pasar adalah indeks infrastruktur dan LQ45. Indeks LQ45 juga merupakan indeks yang pergerakannya dapat dijelaskan paling baik oleh imbal hasil IHSG karena memiliki r-squared yang paling tinggi dibandingkan indeks lain."

"Penelitian ini bertujuan untuk menguji hubungan antara Arus Dana Investasi Asing NFF di pasar modal Indonesia dan tingkat return dari Indeks Harga Saham Gabungan IHSG dengan jangka waktu 15 tahun sejak 1 Januari 2000 sampai 1 Januari 2016, dengan frekuensi observasi per hari. Penelitian ini mencakup beberapa shock variables yang adalah variabel yang dapat mempengaruhi NFF dan variabel yang dapat mempengaruhi IHSG kembali untuk mengidentifikasi variabel lain yang mempengaruhi setiap variabel utama NFF dan IHSG kembali. Vector Auto Regression VAR dan regresi OLS digunakan untuk model awal dan kemudian digunakan pendekatan GARCH. Selain itu, beberapa uji digunakan seperti Uji Kausalitas Granger Granger Causality Test digunakan untuk mengidentifikasi arah korelasi antara NFF dan tingkat return dari IHSG. Penelitian ini juga termasuk Uji White, Uji Breusch-Pagan, dan Uji Szroeter Rank untuk mendeteksi heteroskedastisitas dalam model tersebut. Penelitian ini menghasilkan tiga hasil utama yaitu pertama, pengembalian IHSG memiliki korelasi yang signifikan dan positif terhadap tingkat NFF menuju pasar saham Indonesia. Kedua, penelitian ini menemukan bahwa Indeks Dow Jones Industrial Average, nilai tukar domestik, harga minyak mentah dunia dan harga emas dunia memiliki pengaruh yang signifikan terhadap Arus Dana Asing yang masuk ke IHSG. Terakhir, Krisis Subprime Mortgage di tahun 2008 tidak berpengaruh secara signifikan terhadap hubungan IHSG-NFF, yang berarti bahwa terlepas dari masa krisis atau periode non-krisis, IHSG secara konsisten memiliki dampak yang signifikan terhadap NFF.

---

This research examines the correlation between Net Foreign Fund flows NFF in the Indonesian equity market and the returns of the Jakarta Composite Index JCI from 1 January 2000 to 1 January 2016, which is a 15 year period with a daily frequency. The research includes several shock variables, which are external variables that may affect NFF and external variables that may affect the JCI returns. This was done to identify other variables that may affect each of the main variables, which are the NFF and JCI returns.

Vector Auto Regression VAR and OLS regression were used for the initial model and later the GARCH approach was used to address the heteroskedasticity issue. In addition, several tests was used such as the Granger Causality Test was used in order to identify the direction of correlation between the NFF and the returns of the JCI. The research also included the White Test, the Breusch Pagan Test, and the Szroeter rsquo s Rank Test in order to detect any heteroskedasticity in the model.

The research discovered that JCI returns have a significant and positive correlation towards the levels of NFF in the Indonesian equity market. Secondly, this research also founds out that the returns of the Dow Jones Industrial Average index, domestic exchange rate, world crude oil price and world gold price have a significant effect in relation to the Net Foreign Fund flows. Lastly, the 2008 Subprime Mortgage Crisis has no significant effect in relation to the JCI NFF relationship, meaning that regardless of the crisis period or non crisis period, the JCI returns have a significant and consistent impact towards NFF."

"Runtun waktu adalah salah satu data yang paling umum dan banyak dijumpai di kehidupan sehari-hari. Runtun waktu dianalisis dengan dua tujuan utama, yaitu untuk memodelkan mekanisme stokastik dari runtun waktu tersebut dan untuk melakukan peramalan. Untuk keperluan dua tujuan tersebut, banyak model runtun waktu yang telah dikembangkan, salah satunya adalah model autoregressive moving average (ARMA). Model ARMA adalah model runtun waktu univariat yang cukup populer dan umum digunakan saat ini. Seiring berjalannya waktu, mulai dikembangkan model runtun waktu multivariat, yang dapat memodelkan runtun waktu dengan dua atau lebih variabel. Meng- gunakan model runtun waktu multivariat untuk memodelkan dua atau lebih variabel tentu lebih efektif dibandingkan memodelkannya satu per satu menggunakan model univariat. Selain itu, model runtun waktu multivariat juga dapat menjelaskan hubungan dinamis antarvariabel yang saling terkait. Dalam skripsi ini, akan dijelaskan versi multivariat dari model ARMA, yaitu model vector autoregressive moving average (VARMA), mulai dari karakteristiknya, spesifikasi model, penaksiran parameter, hingga melakukan pera- malan. Penaksiran parameter akan dilakukan dengan menggunakan metode conditional maximum likelihood. Model VARMA ini kemudian akan digunakan untuk melakukan peramalan dua variabel yang cukup berpengaruh dalam ekonomi makro, yaitu data harian indeks harga saham gabungan (IHSG) dan kurs mata uang rupiah terhadap dolar Amerika Serikat. Data tersebut juga akan dimodelkan menggunakan model ARMA(p,q) dan VAR(p). Model yang digunakan adalah model ARIMA(0,1,0) untuk data IHSG, model ARIMA(0,1,2) untuk data kurs rupiah, model VARI(3,1) dan model VARIMA(1,1,1). Menggunakan indikator mean absolute percentage error (MAPE), didapatkan hasil bahwa model VARI(3,1) memberikan hasil peramalan yang paling akurat.

---

Time series is one of the most common data and is often found in everyday life. The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism that gives rise to an observed series and to predict or forecast the future values of a series based on the history of that series and, possibly, other related series or factors. For the purposes of these two objectives, many time series models have been developed, the most popular one is autoregressive moving average (ARMA) model. The ARMA model is a univariate time series model that is quite popular and commonly used today. Over time, multivariate time series models have been developed, which can model time series with two or more variables. Using a multivariate time series model to model two or more variables is certainly more effective than modeling them one by one using a univariate model. In addition, the multivariate time series model can also explain the dynamic relationship between interrelated variables. In this undergraduate thesis, we will explain the multivariate version of the ARMA model, the vector autoregressive moving average (VARMA) model, starting from its characteristics, model specifications, param- eter estimation, to forecasting. Parameter estimation will be done using the conditional maximum likelihood method. Then, this VARMA model will be used to forecast two maroeconomics indicators: daily data of Indonesia Composite Index and the USD-IDR exchange rate. The data will also be modeled using the ARMA(p,q) and VAR(p) models. In chapter 4, the models used are ARIMA(0,1,0) model for Indonesia Composite Index data, ARIMA(0,1,2) model for USD-IDR exchange rate data, VARI(3,1) model and VARIMA(1,1,1) model. Using the mean absolute percentage error (MAPE) indicator, the results show that VARI(3,1) model provides the most accurate forecasting results."

"ABSTRAKIndustri kemasan adalah sektor industri yang diproyeksi akan terus bertumbuh, khususnya industri kemasan plastik. Dengan plastik merupakan turunan dari minyak mentah, plastik dan bahan bakunya yang berupa resin tergolong sebagai produk petrokimia. Harga resin berfluktuasi dan sensitif terhadap pergerakan harga minyak mentah sehingga deret waktunya bersifat nonstasioner. Kondisi ini dapat membuat konverter plastik sebagai pihak yang mengkonversi resin menjadi produk plastik mengalami kesulitan dalam memasingkan harga resin pada harga produk kepada pelanggannya serta berpotensi mengalami kerugian. Hal ini memicu peneliti untuk memodelkan peramalan harga resin. Literatur menunjukkan peramalan harga produk petrokimia dengan model tradisional maupun komputasi lunak, namun masih memiliki keterbatasan yang berefek pada akurasi peramalan. Selain itu, kebanyakan peneliti memodelkan peramalan pada harga minyak mentah dan tidak ada yang ditemukan menggunakan harga resin sebagai objek peramalan. Penelitian ini mengajukan peramalan harga resin dengan model neuro-fuzzy yaitu ANFIS dan membandingkan hasilnya dengan sebuah model tradisional, ARIMA, dan sebuah model tunggal komputasi lunak, NN. Hasil peramalan menunjukkan model ANFIS memiliki tingkat error dalam bentuk MAPE yang relatif sangat kecil yaitu 1.06% dan juga tingkat akurasi arah yang tinggi yaitu 93%. Ini menunjukkan bahwa model peramalan ANFIS dapat merepresentasikan karakteristik harga resin. Selain itu, hasil uji statistik juga menunjukkan bahwa terdapat perbedaan yang signifikan antara akurasi peramalan ANFIS jika dibandingkan dengan ARIMA dan NN.

---

ABSTRACTThe packaging industry is an industrial sector that is projected to continue growing, especially the plastic packaging industry.While plastic is a derivative of crude oil, plastic and its raw material which is called resin are categorized as petrochemical products. The resin price is fluctuating and sensitive to crude oil price movement so that the time series is nonstationary. This condition may cause the plastic converters as the ones converting resin to plastic products to experience the difficulty in passing the resin price into the product price for the customers and have the potential to suffer loss. This triggers the researcher to model the forecasting of resin price. Literatures show petrochemical product price forecasting by using traditional as well as soft computing models, but they still have limitations that affect the forecasting accuracy. In addition, most researchers model forecasting on crude oil price and none of them found to use the resin price as forecasting object. This research proposes resin price forecasting using neuro-fuzzy model that is ANFIS and compare the result with a traditional model, ARIMA, and a standalone soft computing model, NN. Forecasting result shows that ANFIS model has a relative low error in terms of MAPE that is 1.06% and also a high directional accuracy which is 93%. This shows that ANFIS forecasting model can represent the resin price characteristic. Moreover, statistical test also shows that there is significant difference in ANFIS forecasting accuracy if compared to ARIMA and NN."

"Penelitian mengenai krisis keuangan yang berujung kepada krisis ekonomi merupakan suatu area yang tidak ada habis-habisnya untuk digali. Berkaitan dengan hal ini, tesis ini ditulis untuk melihat 3 variabel keuangan yang diyakini memilki keterkaitan yang kuat, rnasing-masing adalah indeks harga saham gabungan (IHSG) JSX, nilai tukar ER rupiah IDR terhadap dollar USD dan suku bunga 1 bulan SBII M. Secara berurutan variabel itu mewakili pasar saham, pasar valuta asing dan pasar uang. Pada saat yang sama, tesis ini bermaksud menguji teori yang diajukan oleh Jeff Madura (2003) mengenai keterkaitan 3 variabel tersebut.Penelitian dibuat dalam 3 periode dengan tujuan untuk bisa diperbandingkan. Periode yang diamati adalah untuk sebelum krisis (Model 1) 1993:1 - 1997:7; saat krisis (Model II) 1997:8 - 2001:12 dan secara keseluruhan (Model III) 1993:1 - 2001:12. Pemisahan periode sebelum dan saat krisis didasarkan pada awal terjadinya depresiasi IDR yang lebih besar dan biasanya di bulan Juli 1997 dan bulan Agustus 1997 saat nilai IDR di lepaskan ke pasar untuk ditentukan oleh kekuatan permintaan dan penawaran. Metode yang digunakan untuk melakukan analisa adalah dengan menerapkan uji unit root, panjang lag, kointegrasi, model VAR, impulse response dan variance decomposition.Hasil uji unit root menyatakan bahwa dalam Model 1, dari ke-3 variabel yang diuji hanya nilai tukar ER yang tidak bisa mencapai stationary. Namun dalam Model 2, ke-3 variabel mencapai stationer sesudah di difference 1 periode. Sedangkan dalam Model 3 yang paling tampak mengalami structural break hanya nilai tukar ER, sehingga uji unit root dilakukan secara berbeda sesuai prosedur sederhana yang disusun oleh Perron. Hasil uji unit root menyatakan bahwa nilai tukar ER justru stationary pada level-nya.Dengan mendapatkan panjang lag untuk masing-masing periode, dilakukan uji kointegrasi berdasarkan prosedur Johansen dan kemudian dibentuk model VAR. Ketiga model menunjukkan adanya kointegrasi, dimana Model I dan II menunjukkan terdapatnya 3 cointegrating rank, sedangkan Model III hanya ada 1 cointegrating rank. Secara keseluruhan yang ditunjukkan dalam Model III, ER dan SBIIM memiliki korelasi negatif dengan JSX.Analisa dengan impulse response menunjukkan bahwa volatilitas JSX ditentukan secara negatif oleh ER dan SBI1M, sementara antara ER dan SBIIM terdapat korelasi positif. Hasil ini selaras dengan persamaan kointegrasi yang ditunjukkan bahwa ER dan SBIIM memiliki kointegrasi negatif terhadap JSX. Dengan menggunakan variance decomposition, nilai JSX dan ER lebih banyak ditentukan oleh nilai pergerakannya sendiri, sedangkan nilai SBIIM lebih banyak ditentukan oleh nilai pergerakan ER.

---

Research regarding financial crisis ended to an economic crisis is always a never exhaustive subject to explore. In regards to such matter, this thesis is focusing on 3 financial variables which are believed to have strong correlation, namely JSX composite index, exchange rate of IDR to USD and 1 month interest rate SBIIM_ Each of the respective variables represents stock market, foreign currency market and money market. At the same time, this thesis aims to verify the theory proposed by Jeff Madura (2003) regarding the correlation of the 3 variables.

The thesis is conducted in 3 periods for the sake of comparison purpose. The observed periods are before the crisis (Model I) 1993:1 - 1997:7; during crisis (Model II) 1997:8 - 2001:12 and for the whole period (Model III) 1993:1 - 2001:12. The separation of prior and during crisis is when the depreciation of IDR was larger than ever before occurred in July 1997 and when the IDR was released freely to be determined by the forces of demand and supply occurred in August 1997. The tools applied to do the analyses are the unit root test, lag length, cointegration, VAR model, impulse response, and variance decomposition.

Unit root test indicates that in Model I, out of the 3 tested variables, only ER fails to achieve stationary. However, in Model II, all 3 variables are stationary in 1 period difference. Model III shows differently than the other models as it exhibits a structural break of ER, consequently a different unit root test needs to be followed as specified by Perron. The result shows that ER is stationary at level.

Obtaining the lag length for each period, Johansen's procedure for cointegration test is done and models of VAR are constructed accordingly. The 3 models show the presence of cointegration, where Model I and II indicate the existence of cointegrating rank by 3, while Model III shows only 1. In the overall view given in Model III, ER and SBIIM has negative correlation with JSX.

An analysis through impulse response demonstrates that the JSX volatility is negatively determined by ER and SBIIM, while between ER and SBI1M show positive correlation. This is actually confirming the results specified in the cointegration equation that ER and SBIIM had negative correlation against JSX. Applying variance decomposition method, the values of JSX and ER are more determined by their own volatility, while the value of SBIIM was more determined by the movements of ER."

"Penelitian ini bertujuan untuk mengembangkan model evaluasi yang komprehensif dan terfokus pada portal Open Government Data (OGD) di Indonesia. Portal OGD memiliki peran penting dalam meningkatkan keterbukaan pemerintah dan partisipasi masyarakat dalam proses pengambilan keputusan. Metode penelitian yang digunakan adalah pendekatan campuran (mixed methods) yang menggabungkan elemen kualitatif dan kuantitatif. Dalam pengembangan indeks komposit evaluasi, peneliti menggunakan Analytic Hierarchy Process (AHP) untuk memperoleh penilaian dari lima ahli yang berasal dari kalangan regulator dan akademisi. Proses pembentukan indeks komposit melibatkan pengamatan terhadap semua aspek portal OGD di seluruh provinsi dan kabupaten/kota di Indonesia. Dari total 518 pemerintah daerah yang ada, peneliti mengidentifikasi 325 portal OGD, kemudian diverifikasi menjadi 207 portal sebagai sampling frame yang akan digunakan dalam penelitian ini. Sampel akan diambil menggunakan metode multistage cluster sampling. Selain penilaian dari produsen data, model penelitian ini juga akan dievaluasi dari perspektif 544 responden (pengguna website OGD) yang akan dianalisis menggunakan metode Partial Least Squares Structural Equation Modeling (PLS-SEM). Hasil penelitian ini menghasilkan model evaluasi OGD yang mencakup berbagai kriteria, termasuk ketersediaan data, regulasi, kualitas data, kualitas sistem, dampak OGD, infrastruktur, keterlibatan pengguna, serta integrasi dengan prinsip Satu Data Indonesia. Hasil penelitian menunjukkan kondisi portal OGD di Indonesia secara keseluruhan mendapatkan indeks evaluasi sebesar 75,31 dengan nilai terbesar pada kriteria System Quality (96,99) dan Data Availability (86,62) serta nilai indeks yang paling kecil pada penerapan prinsip Satu Data Indonesia (SDI) (8,72). Daerah yang mendapat nilai tertinggi, yaitu portal Kabupaten Cianjur dengan nilai 81,73. Pemerintah dapat fokus pada indikator yang mendapatkan indeks yang rendah, khususnya, penerapan prinsip SDI untuk perbaikan kualitas portal.

---

The study aims to develop an evaluation model for Indonesia's Open Government Data (OGD) portals, utilizing a mixed-methods approach blending qualitative and quantitative techniques. Researchers employed the Analytic Hierarchy Process (AHP) to gather assessments from five experts, comprising regulators and academics, to form a composite evaluation index. Out of 518 identified portals, 325 OGD portals were verified using multistage cluster sampling. Additionally, 544 OGD website users were surveyed using Partial Least Squares Structural Equation Modeling (PLS-SEM). The research produced an OGD evaluation model covering various criteria, such as data availability, regulations, system and data quality, OGD impact, infrastructure, user engagement, and alignment with Indonesia's One Data initiative. Overall, Indonesia's OGD portals received an evaluation index of 75.31, with the highest scores in System Quality (96.99) and Data Availability (86.62), and the lowest in One Data Initiative implementation (8.72). Kabupaten Cianjur portal scored highest at 81.73. The findings suggest a need for government focus on areas with lower indices, particularly in enhancing One Data Initiative principles for portal quality improvement."