Penelitian Terdahulu ESTIMASI MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) PADA INDEKS HARGA SAHAM GABUNGAN (IHSG)
digunakan untuk peramalan indeks ENSO dan hujan bulanan melalui proses stepwise berdasarkan Recursive Partitioning dengan splines.
Dibahas pula metode Adaptive Splines Treshold Autoregression ASTAR yaitu analisis deret waktu nonlinier yang berdasarkan algoritma RSAB.
RSAB merupakan metode alternatif dari metode kuadrat terkecil bila asumsi bentuk fungsi hubungan model tidak diketahui. Hasil validasi
model dari metode ini mampu meramal curah hujan antara − .
Metode ASTAR mempunyai daya ramal mencapai 60 hingga lebih 90 dalam jangka 3 bulan ke depan.
3. Penelitian oleh Bambang Widjanarko Otok Jurusan Statistika ITS
Surabaya, Vol.10 No.2, 107 –120 Nopember 2010 yang berjudul
“Pendekatan Multivariate Adaptive Regression Spline MARS pada Pengelompokkan Zona Musim Suatu Wilayah
”. Hasil penelitian menunjukkan bahwa estimasi parameter model MARS untuk variabel
respon kontinu dilakukan dengan Penalized Least Square PLS. Pemilihan model MARS terbaik dilakukan dengan prosedur forward dan
backward stepwise didasarkan pada nilai GCV. Hasil kajian juga menunjukkan bahwa GCV dengan potongan regresi linier dapat terbukti
bekerja dengan baik dalam menentukan pemilihan model terbaik pada MARS respon kontinu.
4. Penelitian Petra Surabaya oleh I Nyoman Budiantara, dkk. Jurusan
Statistika ITS Surabaya yang berjudul “Pemodelan B-Spline dan MARS pada Nilai Ujian Masuk terhadap IPK Mahasiswa Jurusan Disain
Komunikasi Visual UK ”. Penelitian ini mengenai Analisis regresi,
pendekatan yang paling umum dan seringkali digunakan adalah pendekatan parametrik, mendapatkan model terbaik mengenai nilai ujian
masuk terhadap nilai IPK Indek Prestasi Kumulatif mahasiswa jurusan Disain Komunikasi Visual tahun 1999 di Universitas Kristen Petra
Surabaya dengan analisis regresi, baik parametrik maupun nonparametrik. Pendekatan regresi parametrik menggunakan regresi linier sederhana,
kuadratik dan kubik, sedangkan regresi nonparametrik digunakan B-Spline dan Multivariate Adaptive Regression Splines MARS. Secara
keseluruhan, model terbaik dipilih berdasarkan koefisien determinasi terbesar. Namun demikian untuk MARS, model terbaik dipilih
berdasarkan pada GCV, minimum MSA dan koefisien determinasi terbesar.
5. Penelitian Wasis Wicaksono Jurusan FSM UNDIP 2014 yang berjudul
“Pemodelan Multivariate Adaptive Regression Splines MARS pada Faktor-faktor Resiko Angka Kesakitan Diare
”. Penelitian ini membahas penyebaran penyakit diare dan untuk menekan angka penyebaran diare
perlu dilakukan analisis faktor-faktor terhadap penyakit diare. Analisis kurva regresi menggunakan model regresi nonparametrik. MARS
merupakan salah satu metose regresi nonparametrik yang digunakan untuk data berdimensi tinggi. Model MARS terbaik mengkombinasikan MO,
BF, dan MI secara trial and error. Model MARS digunakan untuk memprediksi angka kesakitan diare di Jawa Tengah, Jawa Timur, dan
Daerah Istimewa Yogyakarta adalah model MARS MO=2, BF=28, dan MI=3 dengan bentuk persamaan ̂
= − , + ,
∗
+ ,
∗
− ,
∗
+ ,
∗
. 6.
Penelitian Kishartini Jurusan Statistika FSM UNDIP 2014 yang berjudul “Multivariate Adaptive Regression Splines MARS Untuk Klasifikasi
Status Kerja Di Kabupaten Demak ”. Penelitian ini membahas model
MARS pada klasifikasi kerja di Kabupaten Demak adalah model MARS BF=24, MI=3, dan MO=1 karena memiliki nilai GCV paling kecil yaitu
sebesar 0,03451 dengan bentuk persamaan: ̂ = ̂
= − , + ,
∗
+ ,
∗
− ,
∗
+ ,
∗
. 7. Penelitian Icha Puspitasari Jurusan Statistika FSM UNDIP yang berjudul
“Analisis Indeks Harga Saham Gabungan IHSG dengan menggunakan Model Regresi Kernel
”. Penelitian ini membahas tentang analisis IHSG menggunakan metode runtun waktu klasik. Namun dengan metode tersebut
banyak asumsi yang harus dipenuhi, sehingga diperlukan metode alternatif salah satunya metode regresi nonparametrik karena dalam model regresi
nonparametrik tidak ada asumsi khusus sehingga model ini merupakan metode alternatif yang dapat digunakan dalam analisis IHSG. Dalam
penelitian tersebut dibandingkan nilai MSE yang dihasilkan dari analisis runtun waktu klasik, regresi parametrik linier sederhana dan regresi
nonparametrik kernel. Data IHSG yang digunakan adalah periode minggu pertama Januari 2011 sampai dengan minggu ke empat Februari 2012. Data
tersebut merupakan data closing price saham mingguan pada periode perdagangan terakhir. Hasil perbandingan nilai MSE dari data IHSG yang
sering fluktuatif pada tiga analisis diperoleh nilai MSE terkecil adalah pada analisis menggunakan regresi nonparametrik kernel dengan fungsi triangle
dan badwidth h sebesar 58,2 dengan nilai MSE = 6987,787. Model terbaik tersebut dapat digunakan untuk memprediksikan nilai IHSG selanjutnya.
8. Penelitian Dimas Okky S Jurusan Statistika ITS yang berjudul “ Pemodelan
Indeks Harga Saham Gabungan IHSG, Kurs, dan Minyak Dunia dengan Pendekatan Vector Autoregressive
”. Penelitian ini membahas Vector Autoregressive
VAR merupakan salah satu analisis time series multivariate
dimana dapat digunakan dalam memprediksi variabel dan berguna untuk menilai keterkaitan antara variabel. Tahapan-tahapan dalam
metode VAR meliputi tahap identifikasi, estimasi parameter, dan cek diagnosa. Data yang digunakan dalam penelitian ini adalah Indek Harga
Saham Gabungan IHSG, kurs, dan harga minyak dunia pada periode 2011- 2012. Dari hasil analisis diperoleh model VAR yang sesuai adalah VAR 4,
1, 0 dengan nilai AIC terkecil sebesar 15,7437. Selain itu, hasil MAPE dan RMSE pada ketiga variabel yaitu variabel IHSG sebesar 1,85 dan 88,076;
variabel kurs sebesar 0,89 dan 84,9237; sedangkan variabel harga minyak dunia sebesar 0,83 dan 0,009694.
9. Penelitian Silvia Roshita Dewi Jurusan Statistika ITS yang berjudul “Pemodelan Indeks Harga Saham di Indonesia dan Dunia dengan Model
Univariate dan Multivariate Time Series ”. Penelitian ini membahas tentang
Peramalan Indeks Harga saham dapat dilakukan dengan metode time series. Secara Univariate time series dapat menggunakan metode Autoregressive
Integrated Moving Average ARIMA sedangkan multivariate time series
dapat menggunakan Vector Autoregression VAR. Dalam penelitian ini, dilakukan penerapan metode ARIMA dan VAR pada peramalan indeks
harga saham IHSG Indonesia. Dow Jones Industrial Average DJI Amerika, FTSE 100 London, Hang Seng Index HSI Hongkong, Nikkei
225 N225 Jepang, dan Strait Time Index STI Singapura. Melalui metode multivariate
tidak hanya bisa meramal indeks harga saham, namun juga bisa melihat keterkaitan harga saham antara satu negara dengan yang lain.
Berdasarkan hasil pengamatan diketahui bahwa indeks harga saham Amerika mempengaruhi semua indeks harga saham negara lain, namun
tidak dipengaruhi oleh indeks harga saham manapun. Perbandingan antara kedua model, ARIMA dan VAR tersebut memberikan hasil bahwa beberapa
model memiliki keakuratan lebih tinggi untuk meramal jika menggunakan model univariate
.
Berdasarkan hasil penelitian yang terdahulu menggunakan model MARS dengan pendekatan kurva regresi nonparametrik juga cocok pada penelitian Indeks
Harga Saham Gabungan IHSG karena data nominal dengan pendekatan regresi nonparametrik, data yang berdimensi tinggi, dan untuk memodelkan dan
mengetahui variabel-variabel prediktor yang mempengaruhi Indeks Harga Saham Gabungan IHSG. Model terbaik varibel-variabel prediktor yang mempengaruhi
Indeks Harga Saham Gabungan IHSG dengan kriteria Generalized Cross
Validation GCV minimum. Sehingga guna menekan kerugian para investor dan
meningkatkan kepercayaan investor terhadap perbankan negara, dan mengetahui variabel-variabel prediktor terbaik yang mempengaruhi Indeks Harga Saham
Gabungan IHSG maka penulis akan melakukan penelitian menggunakan model MARS yaitu yang
berjudul “Estimasi Multivariate Adaptive Regression Splines MARS pada Indeks Harga Saham Gabungan IHSG
”.