Pendekatan Regresi Nonparametrik Kernel pada Data Indeks Harga Saham Gabungan

Abstract

ABSTRAK Saham merupakan salah satu instrumen investasi yang sangat populer di kalangan investor. Salah satu indikator pergerakan harga saham di Indonesia adalah Jakarta Composite Index (JCI). Data JCI adalah data deret waktu tentang harga saham gabungan yang dapat dianalisis dengan metode analisis deret waktu. Namun, dengan metode ini ada asumsi yang tidak dapat dipenuhi. Dalam penelitian ini, data JCI akan dianalisis dengan metode nonparametrik yaitu regresi kernel dan penduga Nadaraya-Watson. Data harga penutupan IHSG periode Januari 2015 sampai dengan Desember 2015 diterapkan menggunakan berbagai fungsi kernel yang meminimalkan nilai validasi silang untuk mendapatkan bandwidth yang optimal. Hasil penelitian menunjukkan bahwa regresi kernel biweight dengan Mean Square Error = 9030,63 dan bandwidth = 108,2 adalah model terbaik untuk prediksi. ABSTRACT Stock is one of the investment instruments that is very popular among investors. One indicator of stock price movements in Indonesia is the Jakarta Composite Index (JCI). JCI data is a time series data about joint stock prices which can be analyzed by time series analysis method. However, with this method there are assumptions that cannot be fulfilled. In this study, JCI data will be analyzed by a nonparametric method namely kernel regression with Naradaya-Watson estimator. The weekly JCI closing price data from January 2015 to December 2015 is applied using various kernel functions that minimize the value of cross validation to get the optimal bandwidth. The results show that the biweight kernel regression with Mean Square Error = 9030,63 and bandwidth = 108,2 is the best model for predictions.