ESTIMASI INDEKS HARGA SAHAM GABUNGAN BERDASARKAN MODEL REGRESI KUANTIL SPLINE SMOOTHING

Regresi kuantil nonparametrik digunakan untuk memperkirakan fungsi regresi ketika asumsi tentang bentuk kurva regresi tidak diketahui dengan melibatkan nilai-nilai kuantil. Salah satu estimator dalam regresi nonparametrik adalah spline. Sifat tersegmentasi dari spline membuat spline lebih fleksibel dibandingkan dengan model polinomial pada umumnya. Penelitian ini bertujuan untuk memperoleh estimasi model regresi kuantil spline smoothing yang bersesuaian dengan data Indeks Harga Saham Gabungan (IHSG). Data pada penelitian ini adalah data IHSG dan Indeks Dow Jones (IDJ) pada periode Januari 2018 – Desember 2021. Selanjutnya model regresi kuantil spline smoothing diterapkan pada data IHSG untuk kuantil τ 0,25; 0,50 dan 0,75. Model optimal adalah model dengan kriteria nilai Generalized Cross Validation (GCV) minimum. Dari hasil analisis, bentuk fungsi regresi kuantil spline smoothing yang bersesuaian dengan data IHSG dapat ditentukan. Hasil analisis menunjukkan bahwa terdapat dua pola perubahan pada hubungan antara IHSG dan IDJ yaitu kecenderungan menurun dan meningkat. Hal tersebut dapat dilihat dari titik knot optimal untuk masing-masing kuantil yaitu 28500, 35000 dan 29600 yang menunjukkan bahwa sebelum dan sesudah nilai IDJ mencapai poin dari titik knot tersebut ada kecenderungan menurun kemudian meningkat pada data IHSG. Berdasarkan nilai GCV minimum diperoleh model optimal untuk masing-masing kuantil dengan nilai GCV yaitu 7703,68; 6015,26 dan 5243,45.