Electronic Theses and Dissertation

Harga minyak mentah Arun merupakan salah satu indikator penting dalam sektor energi yang memiliki karakteristik fluktuatif dan tidak stabil. Perubahan harga yang cukup tajam dari waktu ke waktu mencerminkan adanya volatilitas yang tinggi, sehingga diperlukan metode analisis yang mampu menangkap perubahan tersebut secara akurat. Model GARCH merupakan pendekatan yang secara khusus digunakan untuk memodelkan varians yang tidak konstan (heteroskedastisitas) dalam data deret waktu dan dinilai tepat untuk data harga minyak mentah yang tidak stabil. Penelitian ini bertujuan untuk memodelkan dan meramalkan harga minyak mentah Arun menggunakan metode GARCH. Data yang digunakan berupa data sekunder, yaitu harga bulanan minyak mentah Arun dalam satuan dolar per barel dari tahun 2010 hingga 2024. Hasil analisis menunjukkan bahwa model terbaik adalah GARCH(2,1), yang memiliki nilai Akaike Information Criterion (AIC) terkecil sebesar 3,992 dan telah memenuhi uji ARCH-LM, yang menunjukkan adanya heteroskedastisitas dalam data. Model GARCH(2,1) juga memiliki tingkat akurasi peramalan yang baik dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 11%. Dengan demikian, model GARCH(2,1) dapat daigunakan sebagai dasar dalam meramalkan harga minyak mentah Arun dan memberikan informasi yang bermanfaat bagi pengambilan keputusan di sektor energi.

Kata kunci: Minyak Mentah Arun, GARCH, Peramalan, Akaike Information Criterion (AIC).

Arun crude oil prices are one of the key indicators in the energy sector, characterized by fluctuating and unstable behavior. The sharp price changes over time reflect high volatility, thus requiring analytical methods capable of accurately capturing such variations. The GARCH model is a specific approach designed to model non-constant variance (heteroskedasticity) in time series data and is considered suitable for unstable crude oil price data. This study aims to model and forecast Arun crude oil prices using the GARCH method. The data used is secondary data, namely monthly Arun crude oil prices in US dollars per barrel from 2010 to 2024. The analysis results indicate that the best-fitting model is GARCH(2,1), which has the lowest Akaike Information Criterion (AIC) value of 3.992 and passes the ARCH-LM test, indicating the presence of heteroskedasticity in the data. The GARCH(2,1) model also demonstrates good forecasting accuracy with a Mean Absolute Percentage Error (MAPE) of 11%. Therefore, the GARCH(2,1) model can be used as a basis for forecasting Arun crude oil prices and provides valuable information for decision-making in the energy sector. Keywords: Arun Crude Oil, GARCH, Forecasting, Akaike Information Criterion (AIC).