Banyak metode yang bisa digunakan dalam sebuah penelitian berdasarkan data yang akan diolah. Salah satu metode yang familiar di kalangan para mahasiswa dan ilmuwan adalah metode satu ini, yakni ARCH-GARCH.

Model ARCH dalam metode ARCH-GARCH dikembangkan oleh Robert Engle di tahun 1982. Di tahun 1999, model ini diperbarui oleh Mills. Sementara, model GARCH dibuat oleh Tim Bollerslev di tahun 86 dan 94.

Tingkat keakuratan dalam pengolahan data yang tepat, membuat metode ini jadi alternatif pilihan untuk mengolah data. Nah, berikut serba-serbinya agar bisa memahami metode tersebut.

Pengertian ARCH-GARCH

Metode ARCH-GARCH merupakan suatu metode yang menggunakan model peramalan. Lebih dikenal juga sebagai model forecasting time series. Model ini digunakan hanya untuk penelitian dengan satu variabel saja, atau biasa disebut dengan single equation.

Konsep kerja ramalan ini bisa dibilang cukup menarik. Yang mana, apabila mengetahui nilai data yang lalu, maka nilai data ke depannya akan dapat diramal atau diprediksi. Model ini juga merupakan model lanjutan dari model sebelumnya, yakni metode ARIMA.

Dalam metode ARIMA, apabila syarat yang sudah dipilih tidak dapat memenuhi asumsi homokedastisitas, berarti model tersebut masih terdapat heterokedastistas. Jika sudah begini, maka saatnya menggunakan metode ARCH-GARCH.

Fungsi ARCH-GARCH

Jika kasusnya seperti yang dijabarkan di atas, maka data akan segera memperoleh ARCH-GARCH. Peneliti tentu akan memilih model yang lebih signifikan, seperti model dengan eror paling kecil, bias proporsi yang kecil dengan korelasi yang tinggi.

Selain itu, metode ARCH-GARCH dapat digunakan setelah peneliti memperoleh asumsi normalitasnya serta homokedastisitasnya. Jika sudah terpenuhi, baru peramalan nilai yang akan datang bisa didapatkan.

Sederhananya, metode ini bisa digunakan dalam pencarian volitalitas data tertentu. Dalam hal ini, yang dilihat yaitu pengaruh dari varian  serta eror kuadrat yang ada pada series data tersebut.

Model Umum ARCH-GARCH

Sebagaimana metode penelitian yang lain, metode ARCH-GARCH satu ini juga mempunyai model umumnya. Model umum tersebut yaitu (p, q, r), yang mana p berarti arch, q merupakan difference, dan r  yaitu garch.

Berikut beberapa contohnya :

–  GARCH (1,0,0) maka artinya data ARCH (1,0) yang dipakai dalam data level

– GARCH (0,0,1) maka artinya data GARCH (1,0) yang dipakai dalam level

– GARCH (1,0,1) maka artinya dalam data level memakai ARCH (1,0) serta GARCH (1,0)

– GARCH (1,1,1) maka artinya dalam data level memakai ARCH (1,1) serta GARCH (1,1) dan dalam difference 1

Secara garis besar, model umum ini menerangkan bahwa ARCH menggunakan nilai data eror kuadrat yang ada sebelumnya. Sementara, GARCH menggunakan data di varian sebelumnya untuk memprediksi nilai data pada periode selanjutnya.

Nah, itu dia serba-serbi metode ARCH-GARCH yang harus diketahui sebelum menggunakannya untuk mengolah data penelitian. Semoga bermanfaat!