Pemodelan Indeks Saham LQ45 Dengan Fungsi Kernel Triweight Dan Epanechikov Menggunakan Bandwidth Generalized Cross Validation = LQ45 Stock Index Modeling With Kernel Triweight and Epanechikov Functions Using Bandwidth Generalized Cross Validation

Analisis regresi nonparametrik merupakan metode pendugaan yang digunakan jika tidak ada informasi sebelumnya tentang bentuk kurva regresi. Salah satu teknik untuk mengestimasi kurva regresi nonparametrik yaitu kernel. Kelebihan dari regresi kernel memiliki bentuk yang fleksibel dan relatif mudah perhitungan matematiknya. Regresi kernel dengan estimator Prietley-Chao adalah salah satu metode untuk mengestimasi data yang memiliki fluktuasi serta sulit diestimasi bentuknya. Estimasi dengan pendekatan kernel dipengaruhi oleh parameter fungsi kernel triweight dan epanechnikov serta pemilihan bandwidth. Tujuan penelitian ini adalah untuk mendapatkan model terbaik data indeks saham LQ45 menggunakan fungsi kernel triweight dan epanechnikov dengan bandwidth optimum berdasarkan nilai generalized cross validation. Variabel pada penelitian ini terdiri dari variabel repon yaitu data indeks saham LQ45 dan variabel prediktor berupa waktu pengamatan pergerakan indeks saham periode 1 Januari 2022 sampai dengan 31 Desember 2022. Hasil penelitian menujukkan bahwa pemilihan bandwidth dari 0.01 sampai 10 diperoleh bandwidth optimum fungsi kernel triweight dan epanechnikov adalah h=1.11 dan h=0.75 dengan nilai generalized cross validation sebesar 2.637 dan 4.59×〖10〗^(-27). Mean square error fungsi kernel triweight adalah 2.614 dan epanechnikov adalah 1.758, sehingga fungsi kernel epanechnikov merupakan model terbaik.