Sukuk merupakan salah satu instruman pasar modal yang berbasis syariah. Masalah muncul ketika krisis keuangan global 2007 hingga 2008 sehingga meningkatkan ketidakpastian sistem ekonomi di seluruh dunia yang telah menyentuh pasar sukuk yang menyebabkan volatilitas tinggi pada return sukuk. Volatilitas didefinisikan sebagai ukuran ketidakpastian pada pengembalian harga aset saat berinvestasi. Paper ini bertujuan untuk menganalisa volatilitas pada Franklin Global Sukuk Luxembourg menggunakan model GARCH dan Kalman Filter-GARCH (KF-GARCH). Model GARCH merupakan metode yang dapat digunakan untuk memodelkan data deret waktu bidang finansial yang sangat tinggi volatilitasnya. Serta penggunaan Kalman Filter yang merupakan suatu metode estimasi yang optimal akan memberikan hasil estimasi yang lebih baik. Sehingga nantinya metode Kalman Filter ini dapat diterapkan untuk estimasi parameter model GARCH untuk memperbaiki hasil prediksi volatilitas return sukuk. Selain analisa volatilitas return sukuk, penelitian ini juga bertujuan untuk analisa estimasi risiko pada Franklin Global Sukuk Luxembourg. Metode yang digunakan untuk estimasi risiko adalah menggunakan Value at Risk (VaR). VaR merupakan besar kerugian maksimum yang diterima investor sehingga perhitungan Value at Risk (VaR) ini akan memberikan masukan dan membantu investor untuk meminimalisir kerugian dalam berinvestasi.Model GARCH yang sesuai untuk Franklin Global Sukuk Luxembourg dari analisis data return sukuk yang dilakukan adalah GARCH(1,0), Kemudian GARCH(1,0) tersebut diestimasi dengan Kalman Filter (KF-GARCH). Nilai MAPE hasil prediksi model KF-GARCH lebih kecil dari prediksi model GARCH(1,0) yang diestimasi menggunakan MLE. Hal ini menunjukkan bahwa estimasi menggunakan Kalman Filter menghasilkan simulasi yang lebih baik (akurat). Perhitungan estimasi risiko dengan menggunakan simulasi Monte Carlo pada Franklin Global Sukuk Luxembourg menggunakan model GARCH menghasilkan risiko 0.32% terhadap besar dana investasi sedangkan menggunakan model KF-GARCH adalah ...