Pemodelan Multivariate Adaptive Regression Spline dengan Algoritma Differential Evolution pada Data Indeks Harga Saham Gabungan = Multivariate Adaptive Regression Spline Modeling With Differential Evolution Algorithm On Indonesia Composite Index Data

Regresi nonparametrik digunakan sebagai alternatif dari regresi parametrik apabila data yang akan dijadikan penelitian tidak memenuhi semua asumsi dari regresi parametrik. Indeks Harga Saham Gabungan yang mencerminkan kinerja seluruh saham di Bursa Efek Indonesia, dipengaruhi oleh berbagai faktor makro dan mikro ekonomi dimana mengarah pada pola yang tidak menentu. Sehingga, metode MARS dipilih karena kemampuannya dalam menangkap hubungan non-linear dan interaksi antara variabel prediktor, sedangkan algortima Differential Evolution diimplementasikan untuk mengoptimalkan pemilihan parameter model. Penelitian ini bertujuan untuk melakukan pemodelan menggunakan metode Multivariate Adaptive Regression Splines yang diintegrasikan dengan algoritma Differential Evolution pada data Indeks Harga Saham Gabungan. Model MARS diperoleh dari kombinasi antara Basis Fungsi (BF), Maksimum Interaksi (MI) dan Minimum Observasi (MO) berdasarkan pada nilai Generalized Cross-Validation (GCV) minimum. Hasil penelitian dengan MARS-DE menunjukkan bahwa kombinasi model terbaik adalah BF=35, MI=1, dan MO=3 dengan nilai GCV sebesar 0,0068. Pada penelitian ini digunakan sebanyak 6 variabel independen, dari hasil penelitian diperoleh bahwa nilai tukar rupiah bulanan terhadap dolar Amerika (kurs), inflasi, tingkat suku bunga di Indonesia, indeks saham Dow Jones, dan indeks saham Shanghai Stock Exchange Composite merupakan variabel bebas yang mempengaruhi Indeks Harga Saham Gabungan (IHSG), sedangkan indeks saham Nikkei 225 tidak mempengaruhi Indeks Harga Saham Gabungan. Model yang dihasilkan dievaluasi menggunakan Mean Squared Error dengan hasil MSE sebesar 0,0034.