Latar Belakang ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG)
diperlukan suatu metode analisis Sunariyah dalam Astuti et al., 2013. Metode analisis sebelumnya pada pergerakan indeks harga saham di suatu
negara tidak terlepas dari kondisi perekonomian negara itu secara makro. Indeks harga saham sangat dipengaruhi variabel-variabel makro seperti tingkat suku bunga
di Indonesia, nilai tukar kurs rupiah terhadap dolar Amerika, dan Inflasi. Pada umumnya bursa efek yang berada dalam satu kawasan juga dapat mempengaruhi
karena letak geografisnya yang saling berdekatan seperti Nikkei 225 di Jepang dan Hang Seng di Hongkong yang memiliki pengaruh yang kuat terhadap kinerja Bursa
Efek Indonesia Astuti et al., 2013. Analisis regresi merupakan salah satu metode statistika yang dapat
menggambarkan ketergantungan atau mencari hubungan fungsional antara satu variabel respon variabel dependen dengan satu atau lebih variabel prediktor
variabel independen. Dalam hal ini, indeks harga saham gabungan IHSG adalah variabel respon dan variabel prediktornya adalah faktor-faktor yang mempengaruhi
indeks harga saham gabungan IHSG yaitu inflasi, tingkat suku bunga di Indonesia, nilai tukar kurs tengah rupiah bulanan terhadap dolar Amerika, indeks
saham Dow Jones, indeks saham Nikkei 225, dan indeks saham Hang Seng. Penelitian sebelumnya mengenai indeks harga saham gabungan telah
dilakukan oleh beberapa penelitian seperti Puspitasari et al. 2012 dan Astuti et al. 2013. Penelitian yang dilakukan oleh Puspitasari et al. 2012 membandingkan
hasil peramalan data IHSG menggunakan metode time series klasik, regresi parametrik linier, dan regresi nonparametrik kernel. Hasil analisis regresi
nonparametrik kernel lebih baik dari kedua metode lainnya karena mempunyai
nilai MSE terkecil. Pada metode regresi nonparametrik kernel, pemilihan bandwidth
optimal lebih penting dibanding pemilihan fungsi yang digunakan. Penelitian yang dilakukan oleh Astuti et al. 2013 melakukan analisis
pengaruh antara variabel tingkat suku bunga di Indonesia, nilai tukar kurs, inflasi, Indeks Nikkei 225, dan Indeks Hang Seng. Hasilnya bahwa variabel tingkat suku
bunga di Indonesia, nilai tukar kurs, dan inflasi memiliki pengaruh signifikan terhadap IHSG. Artinya jika variabel tersebut mengalami peningkatan maka akan
diikuti peningkatan nilai IHSG dan begitu sebaliknya. Berdasarkan penelitian Puspitasari et al. 2012 dan Astuti et al. 2013
dalam menjelaskan pola hubungan variabel respon dengan variabel prediktor dapat digunakan pendekatan kurva regresi. Pendekatan kurva regresi yang sering
digunakan adalah pendekatan regresi parametrik, dimana diasumsikan bentuk kurva regresi diketahui seperti linier, kuadratik, dan kubik berdasarkan teori yang
dapat memberikan informasi hubungan Draper dan Smith, 1992. Namun, tidak semua pola hubungan dapat didekati dengan pendekatan parametrik, karena tidak
adanya suatu informasi mengenai bentuk hubungan variabel respon dan variabel prediktor. Jika bentuk kurva tidak diketahui dan pola menyebar maka kurva regresi
dapat diduga menggunakan pendekatan model regresi nonparametrik. Apalagi tes nonparametrik tidak memerlukan pengukuran seperti yang dibutuhkan untuk
menyelesaikan tes parametrik, tes nonparametrik paling berlaku untuk data dalam skala ordinal, dan berlaku juga untuk sampel data skala nominal. Regresi
nonparametrik memiliki fleksibilitas yang tinggi dalam mengestimasi kurva regresi. Dalam pandangan regresi nonparametrik data diharapkan mencari sendiri
estimasi kurva regresi, tanpa dipengaruhi oleh faktor subyektifitas dari perancangan penelitian Eubank, 1988.
Salah satu metode regresi nonparametrik adalah Multivariate Adaptive Regression Splines
MARS yang pertama kali dipopulerkan oleh Friedman 1991. Karena MARS merupakan metode regresi nonparametrik sehingga model MARS
tidak bergantung pada asumsi tertentu. Model MARS berguna untuk mengatasi permasalahan data yang berdimensi tinggi, yaitu data yang memiliki jumlah
variabel prediktor sebesar dan sampel data yang berukuran
. MARS merupakan pengembangan dari pendekatan Recursive Partitioning Regression
RPR yang dikombinasikan dengan metode Spline sehingga model yang dihasilkan kontinu pada knot yaitu garis regresi selalu menyambung, dimana
tiap knot selalu menyambung dengan fungsi basisnya. MARS merupakan metodologi regresi komputasional yang menyediakan
pendekatan sistematik membangun model regresi yang menghasilkan model kontinu untuk data berdimensi tinggi dimana data tersebut mengandung Multiple
Partitions dan interaksi antara variabel prediktor. Metode MARS mengatasi
kelemahan Recursive Partitioning Regression RPR dimana sebelumnya model yang dihasilkan RPR tidak kontinu terhadap knots, sedangkan MARS mampu
menghasilkan model yang kontinu terhadap knots. MARS banyak diadopsi oleh bidang ilmu komputer sebagai Conpetitor metode lain seperti jaringan syaraf tiruan
dan Generalized Adaptive Models Hastie dan Tibsjirani dalam Souri, 2009. Salah satu penelitian mengenai model MARS yaitu penelitian yang
dilakukan oleh Wasis Wicaksono et al. 2014 melakukan analisis pada faktor-
faktor penyebab penyakit diare diantaranya variabel prediktornya meliputi persentase keluarga yang memiliki jamban sehat
, persentase keluarga yang menggunakan air bersih
, persentase TUPM Tempat Umum dan Pengelolaan Makanan sehat
, rata-rata lama sekolah , persentase melek huruf
penduduk usia di atas 10 tahun , rata-rata jiwa per rumah tangga
, dan persentase penduduk miskin
. Dapat diketahui bahwa variabel yang berpengaruh terhadap pemyakit diare adalah persentase keluarga yang
menggunakan air bersih , persentase TUPM Tempat Umum dan Pengelolaan
Makanan sehat , dan persentase melek huruf penduduk usia di atas 10 tahun
. Penelitian yang dilakukan guna menekan angka penyebaran diare menggunakan pendekatan kurva regresi nonparametrik menggunakan model
Multivariate Adaptive Regression Splines MARS karena data berdimensi tinggi
dan memodelkan variabel-variabel prediktor yang mempengaruhi kesakitan diare. Untuk
mendapatkan model
MARS terbaik
dilakukan dengan
cara mengkombinasikan Maksimum Fungsi basis BF, Maksimum Interaksi MI, dan
Minimum Observasi MO secara trial and error dan melihat Generalized Cross Validation
GCV minimum. Berdasarkan penelitian yang dilakukan oleh Wasis Wicaksono et al.
2014 menggunakan model MARS untuk memodelkan dan mengetahui faktor- faktor yang mempengaruhi kesakitan diare termasuk ke dalam data yang
berdimensi tinggi. Dan berdasarkan penelitian yang dilakukan oleh Puspitasari et al.
2012 dan Astuti et al. 2013 mengenai faktor-faktor yang mempengaruhi IHSG dibidang makro ekonomi yaitu variabel inflasi, nilai tukar kurs, dan suku
bunga di Indonesia, sedangkan yang mempengaruhi IHSG dibidang mikro ekonomi yaitu variabel indeks Dow Jones, indeks Nikkei 225, dan indeks Hang Seng
menggunakan pendekatan regresi nonparametrik kernel karena data berdimensi tinggi. Oleh karena itu, berdasarkan penelitian yang dilakukan oleh Wasis
Wicaksono et al. 2014, Puspitasari et al. 2012, dan Astuti et al. 2013 tersebut maka model MARS juga cocok digunakan untuk data Indeks Harga Saham
Gabungan IHSG dan faktor-faktor yang mempengaruhi IHSG dalam bidang makro maupun mikro dengan pendekatan regresi nonparametrik, dengan skala
nominal, dan data berdimensi tinggi. Sehingga, penulis akan menganalisis faktor-faktor yang mempengaruhi
indeks harga saham gabungan IHSG menggunakan model Multivariate Adaptive Regression Splines
MARS, karena dengan pendekatan kurva regresi nonparametrik data tersebut berdimensi tinggi, memodelkan variabel-variabel
prediktor yang mempengaruhi IHSG, dan pemilihan model terbaik pada Indeks Harga Saham Gabungan IHSG model MARS menggunakan kriteria Generalized
Cross Validation GCV minimum.
Berdasarkan uraian tersebut penulis mengambil judul
“Estimasi Multivariate Adaptive Regression Splines MARS pada Indeks Harga Saham
Gabungan IHSG ”. Harapannya dengan adanya penelitian ini dapat menekan
kerugian para investor dan meningkatkan kepercayaan investor terhadap perbankan negara.