PEMODELAN HARGA SAHAM INDEKS LQ45 MENGGUNAKAN REGRESI LINIER ROBUST M-ESTIMATOR: HUBER DAN BISQUARE
Abstract
Model ordinary least square (OLS) menjadi tidak efisien dan bias jika terdapat pelanggaran asumsi klasik. Salah satu penyebab terjadinya hal tersebut adalah terdapat observasi-observasi yang bersifat ekstrim, dimana observasi-observasi tersebut dapat memberi pengaruh (influence) pada model seperti outlier. Penelitian ini bertujuan untuk menganalisis model OLS dari harga saham (PRICE) pada indeks LQ45 berdasarkan faktor-faktor fundamental (PER, EPS, BV, ROE dan DER). Kemudian, menggunakan regresi linier robust M-estimator seperti estimator Huber dan bisquare untuk memodelkan model yang bebas outlier (influence), serta menganalisis dan mengkomparasi hasil pemodelan yang diperoleh menggunakan kedua metode tersebut untuk memperoleh model terbaik. Dengan demikian, metode yang digunakan dalam penelitian ini adalah Ordinary Least Square (OLS) dan robust M-estimator. Kedua metode ini digunakan untuk menganalisis data harga saham dan faktor-faktor fundamental indeks LQ45 pada periode Februari 2014. Hasil yang diperoleh adalah model M-estimator yakni estimator Huber dan bisquare dapat mengatasi masalah masalah outlier (influence) dan multikolinearitas pada model OLS. Dengan demikian, model regresi linear robust M-estimator dengan pembobot Huber dan bisquare lebih baik dibandingkan model OLS. Hasil perbandingan model Huber dan bisquare berdasarkan nilai-nilai kebaikan model diperoleh bahwa model bisquare lebih baik dibandingkan model Huber. Kemudian, hasil interpretasi model bisquare diperoleh bahwa PER, EPS, BV dan ROE memberi kontribusi positif terhadap harga saham (PRICE) indeks LQ45, sedangkan DER memberi kontribusi negatif terhadap harga saham (PRICE) indeks LQ45.
Downloads
References
[2] D. Rosadi, Ekonometrika & Analisis Runtun Waktu Terapan dengan Eviews (Aplikasi untuk bidang ekonomi, bisnis, dan keuangan), Yogyakarta: Andi Offset, 2012.
[3] J. Fox and S. Weisberg, An R Companion to Applied Regression, 2nd ed., Thousand Oaks, CA: Sage, 2011.
[4] P. Huber and E. M. Ronchetti, Robust Statistics, 2nd ed., Hoboken NJ: Wiley, 2009.
[5] Indonesia Stock Exchange: RESEARCH AND DEVELOPMENT DIVISION, “IDX LQ45,†Indonesia Stock Exchange, Jakarta, 2014.
[6] Eviews, Eviews 8 User's Guide, Irvine CA: IHS Global Inc, 2013.
[7] R. Andersen, Modern Methods for Robust Regression, Thousand Oaks, CA: Sage, 2007.
[8] P. J. Huber, “Robust estimation of a location parameter,†The Annals of Mathematical, vol. 35, no. 1, pp. 73-101, 1964.
[9] P. J. Rousseeuw and A. M. Leroy, Robust regression and outlier detection, Hoboken, NJ: Wiley, 1987.
Authors who publish with this Journal agree to the following terms:
- Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
- Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.