ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG)
Abstrak: 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%.
Penulis: E.D. Asriani , Sugiman,
P. Hendikawati
Kode Jurnal: jpmatematikadd160339
