PEMODELAN RETURN SAHAM PT. BANK CENTRAL ASIA TBK. MENGGUNAKAN GARCH (GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY)

Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka panjang baik dalam bentuk utang atau modal sendiri, baik yang diterbitkan pemerintah maupun perusahaan swasta yang dapat diperjualbelikan. Pasar modal mempunyai dua fungsi utama, yakni sebagai sarana pendanaan usaha bagi perusahaan dan sebagai sarana berinvestasi bagi pemilik modal. Perkembangan pasar modal di Indonesia telah memperlihatkan kemajuan seiring dengan perkembangan ekonomi Indonesia. Saham merupakan surat bukti kepemilikan atas aset-aset perusahaan yang menerbitkan saham. Menerbitkan saham merupakan salah satu pilihan perusahaan ketika memutuskan untuk pendanaan perusahaan. Return saham merupakan satu faktor yang mempengaruhi minat investor untuk melakukan suatu investasi dalam suatu perusahaan dengan tingginya tingkat pengembalian yang diberikan oleh perusahaan kepada investor, maka menunjukkan bahwa perusahaan tersebut memiliki kinerja perusahaan yang baik, sehingga investor yakin bahwa perusahaan tersebut akan memberikan efek positif terhadap saham yang ditanamkan investor pada pasar modal. PT. Bank Central Asia Tbk. adalah bank swasta terbesar di Indonesia. Bank ini didirikan pada 21 Februari 1957. PT. Bank Central Asia Tbk. Beroperasi sebagai perusahaan yang bekerja di Bidang Perbankan terus menawarkan beragam solusi perbankan yang menjawab kebutuhan finansial nasabah dari berbagai kalangan. Pada 22 Januari 2019, saham BCA sempat berada di level tertinggi Rp 28.100 dan terendah Rp 27.250 per saham. Bila kembali melihat 10 tahun lalu pada 22 Januari 2009, saham BCA sempat berada di level tertinggi Rp 2.825 per saham dan terendah Rp 2.700 per saham. Metode peramalan yang sering digunakan peneliti yaitu ARIMA. Model ARIMA memiliki asumsi bahwa datanya stasioner dan variansinya tetap/konstan (homokedastisitas). Pemodelan ARIMA tidak relevan jika dihadapkan pada data dengan variansinya tidak konstan (heteroskedastisitas). Salah satu model deret waktu yang dapat menangani data yang mengandung efek heteroskedastisitas adalah ARCH/GARCH. Data yang digunakan dalam penelitian ini adalah data return saham PT. Bank Central Asia Tbk. dari bulan Januari 2016 hingga bulan Desember 2019. Hasil pengujian dengan menggunakan metode peramalan GARCH ini menghasilkan model terbaik