Text

Pemodelan Regresi Spline Menggunakan Metode Penalized Spline pada Data Longitudinal (Studi Kasus: Harga Penutupan Saham LQ45 Sektor Keuangan dengan Kurs USD dalam Rupiah Periode Januari 2011-Januari 2016)

---

ABSTRAK

Regresi nonparametrik merupakan salah satu jenis analisis regresi yang
digunakan apabila asumsi regresi parametrik tidak terpenuhi. Regresi nonparametrik
digunakan apabila kurva dari data tidak membentuk pola hubungan tertentu. Salah satu
cara pendekatan dengan regresi nonparametrik adalah regresi spline dengan metode
penalized spline. Regresi spline dengan metode penalized spline diterapkan pada data 3
harga saham penutupan sektor keuangan yakni pada Bank BRI, BCA dan Mandiri
dengan data Kurs USD dalam rupiah. Data Harga saham penutupan dan Kurs USD
dalam rupiah diambil dari Januari 2011-Januari 2016 untuk data in sample dan kurun
waktu dari Februari 2016-Desember 2016 untuk data out sample. Data tersebut
dinamakan data longitudinal karena mengamati beberapa subjek dalam kurun waktu
tertentu. Model regresi spline terbaik dengan metode penalized spline diperoleh dari
nilai GCV yang minimum, knot optimal dan orde optimal. Model regresi spline terbaik
dengan metode penalized spline diperoleh pada orde 1 dengan knot sebanyak 59 knot,
nilai parameter penghalus λ sebesar 1 dan nilai GCV sebesar 889,797. Nilai R2 untuk
data in sample sebesar 99,292 % yang memiliki arti bahwa kinerja model sangat baik
untuk data in sample. Nilai MAPE data out sample sebesar 1,057% yang artinya bahwa
kinerja model sangat akurat.
Kata kunci : harga saham, kurs USD, data longitudinal, regresi spline, penalized spline

ABSTRACT

Nonparametric regression is one type of regression analysis used when
parametric regression assumptions are not fulfilled. Nonparametric regression is used
when the curve does not form a specific pattern of connections. One of the approach by
using nonparametric regression is spline regression with penalized spline method.
Spline regression using penalized spline method was applied to three closing stock
prices on the financial sector such as Bank BRI, BCA and Mandiri with the data of USD
currency rate in rupiah. Closing price of stock data and the USD currency rate in rupiah
were taken from January 2011 up to January 2016 for in sample data and from February
2016 up to December 2016 for out sample data. The data taken is called longitudinal
data which is observing some subjects on specific period. Best spline regression model
with penalized spline method is derived from the minimum value of GCV, the number
of optimal knots and the optimal orde. Best spline regression model with penalized
spline method for longitudinal data was obtained on the orde of 1, the 59 knots, the
smoothing parameter with λ value of 1 and the GCV value of 889,797. The R2 value of
in sample data was 99,292%, best model performance for in sample data. MAPE value
of out sample data is 1,057%, the best accurate performance model.
Keyword: stock price, USD currency rate, longitudinal data, spline regression,
penalized spline

---

Ketersediaan

542E17II

511.8 NAB p

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

511.8 NAB p

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1547

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Nabila Ghaida Zia

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar