Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tesis ini bertujuan untuk mendeterminasi pengaruh yang ditimbulkan diversitas pada dewan direksi perusahaan energi dan pertambangan pada negara-negara berkembang di kawasan Asia Tenggara terhadap risiko penurunan harga saham (stock price crash risk) periode 2015-2019. Diversitas yang dimaksud meliputi diversitas latar belakang masing-masing dewan direksi dan diversitas kuantitas pada dewan direksi. Diversitas latar belakang meliputi riwayat pendidikan dan rata-rata pengalaman kerja yang dimiliki dewan direksi, sedangkan diversitas kuantitas memuat jenis kelamin dewan direksi, jumlah dewan direksi, jumlah dewan direksi independen, dan jumlah rapat direksi. Penelitian dengan menggunakan metode Ordinary Least Square (OLS) pada data panel ini menghasilkan temuan yang menegaskan bahwa diversitas pada dewan direksi secara simultan tidak berpengaruh secara signifikan terhadap risiko penurunan harga saham (stock price crash risk). Signifikansi risiko penurunan harga saham (stock price crash risk) dengan variabel bebas hanya ditemukan pada kualitas riwayat pendidikan dewan direksi dan rata-rata pengalaman kerja dewan direksi pada suatu perusahaan

---

This thesis aims to determine the impact of board diversity on energy and mining

firms at emerging countries in South East Asia to each firm’s stock price crash risk

in 2015-2019. The diversity in this thesis includes the board’s background diversity

and the board’s quantity diversity. Board’s background diversity mainly refers to

education background and the tenure of the board while the board’s quantity

diversity refers to gender of the board, board size, independent board’s size, and the

amount of board meeting held each year. This research applied cross sectional data

panel of Ordinary Least Square (OLS) to obtain its final data. The result of this

research concludes that board diversity simultaneously does not influence the stock

price crash risk. The significance of the influence of the independent variable on

the dependent variable only viably found on the quality of board’s education

background and board’s average tenure of the firm."

"Pemodelan dan peramalan harga saham merupakan hal yang sangat penting bagi seorang investor. Harga saham selalu mengalami perubahan seiring berjalannya waktu. Perubahan ini tidak konstan dan sangat berdampak jika diabaikan karena hal tersebut dapat menimbulkan risiko kerugian. Banyak model yang sudah dibuat dengan tujuan untuk meminimalkan risiko kerugian tersebut. Pada penelitian ini, akan digunakan model ARIMA-GARCH untuk meramalkan volatilitas dalam harga saham. Alasan dari penggunaan gabungan kedua model tersebut adalah karena Model ARIMA saja tidak dapat menangani data dengan volatilitas besar dan yang non-linear. Maka, diharapkan bahwa penggunaan dari model gabungan ini dapat menangani masalah tersebut. Data harga saham yang digunakan pada penelitian ini adalah data harga penutupan dalam dua saham yang termasuk dari indeks LQ45. Pada penelitian ini, data tersebut akan dimasukkan kedalam model gabungan tersebut untuk mendapat peramalan di hari selanjutnya. Setelah itu, akan digunakan metode Walk Forward untuk mendapat semua hasil peramalannya. Dari hasil tersebut, didapat bahwa pengabungan dari ARIMA (1,1,1)-GARCH (1,1) memberikan perdiksi harga saham yang terbaik untuk kedua saham yang dipilih. Lalu, menggunakan hasil MAE dan RMSE dari saham, dapat disimpulkan bahwa model ARIMA-GARCH merupakan model yang dapat memprediksi harga saham dengan baik.

---

For an Investor, modelling and forecasting the stock prices are very important. Stock price fluctuate as time goes and these changes vary from one point of time to another. These changes can be really dangerous if ignored because the risk of loss it might create. Many models have been created with the purpose of minimizing the risk of loss. In this study, the ARIMA-GARCH model will be used to predict closing price in the stock prices which contain volatility. The reason for using the combination of the two models is due to ARIMA model unable to handle large volatility along with non-linear data. Thus, it is hoped the use of this combined model can solve this problem. The data that is used on this study is the closing price of 2 stocks that is part of the LQ45 index. In this research, the data will be used on the combined model to get the forecast price of the next day. Then, the rest of the forecast price will be found using a process called Walk Forward. After acquiring all the forecasted price, it is found that the combination of ARIMA (1,1,1)-GARCH (1,1) yield the best result in forecasting the stock prices. Then, by using MAE and RMSE to check the error of the results, it can be concluded that the ARIMA-GARCH model is a model that is able to predict stock prices well."