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.