E.D. Asriani, - and Sugiman, FMIPA Matematika and P. Hendikawati, - (2016) Estimasi Multivariate Adaptive Regression Splines (Mars) Pada Indeks Harga Saham Gabungan (IHSG). Unnes Journal of Mathematics Education, 5 (2). ISSN 2252-6927

PDF - Published Version Download (353kB)

Abstract

Penelitian ini bertujuan untuk mengetahui: (1) estimasi terbaik MARS pada variabel prediktor IHSG menggunakan kriteria GCV; (2) besar tingkat pentingnya variabel-variabel prediktor terhadap model terbaik yang diperoleh. Variabel yang mempengaruhi Indeks Harga Saham Gabungan (IHSG) diantaranya inflasi, tingkat suku bunga di Indonesia nilai tukar (kurs) rupiah terhadap dolar Amerika, indeks Dow Jones, indeks Nikkei 225, dan indeks Hang Seng. Metode MARS digunakan pada IHSG karena nonparametrik dan data berdimensi tinggi yaitu data yang memiliki jumlah variabel prediktor dari 3 sampai dengan 20 dan sampel data yang berukuran 50 sampai dengan 1000. Metode analisis MARS pada IHSG dengan melakukan pengujian parameter model regresi nonparametrik, standarisasi, dan model MARS diperoleh dari kombinasi BF, MI, dan MO secara trial and error. Hasil penelitian estimasi MARS terbaik pada IHSG adalah BF=18, MI=1, dan MO=1, GCV terkecil 0,05640. Variabel prediktor yang signifikan yaitu Inflasi; nilai tukar (kurs) tengah rupiah terhadap dolar Amerika; indeks Dow Jones; tingkat suku bunga di Indonesia; dan indeks Nikkei 225 dengan tingkat pentingnya berturut-turut sebesar 100%; 86,54114%; 84,31259%; 38,18755%; dan 32,75410%

Actions (login required)

View Item