Penerapan Multivariate Adaptive Regression Spline (MARS) Dan Bagging MARS Pada Pengaruh Faktor Makroekonomi Dan Indeks Asing Terhadap Indeks Harga Saham Gabungan (IHSG)

Reza, Sharah Aulia Ulaila (2024) Penerapan Multivariate Adaptive Regression Spline (MARS) Dan Bagging MARS Pada Pengaruh Faktor Makroekonomi Dan Indeks Asing Terhadap Indeks Harga Saham Gabungan (IHSG). Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201006-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Indeks Harga Saham Gabungan (IHSG) menjadi indeks yang sering diamati oleh investor untuk melihat keadaan pasar saham Indonesia saat ini. Keadaan IHSG akan mempengaruhi keputusan investor kedepannya. IHSG diduga dipengaruhi oleh beberapa faktor makroekonomi dan indeks- indeks asing. Hubungan tersebut dapat dianalisis lebih jauh menggunakan Multivariate Adaptive Regression Spline (MARS) dan ditingkatkan menggunkan Bagging MARS. Variabel prediktor yang digunakan adalah Inflasi, BI-rate, Kurs IDR/USD, Indeks Harga Konsumen (IHK), Harga Minyak, M2, Harga Emas, DJIA, FTSE-100, SSE, Nikkei 225, dan HSI. Data yang digunakan merupakan data bulanan mulai Januari 2014 hingga Desember 2023. Model optimal yang dihasilkan menggunakan maksimum basis fungsi (nprune) sebanyak 15 dan maksimum interaksi (degree) sebanyak 1 (tidak ada interaksi) dengan GCV sebesar 0,03564277. Nilai GCV tersebut merupakan hasil terkecil dibandingkan dengan kombinasi yang lain. Hasil menunjukkan variabel yang mempengaruhi IHSG adalah Kurs IDR/USD, IHK, M2 , DJIA, FTSE-100, SSE, Nikkei 225, dan HSI. Pada penerapan bagging, model bagging MARS memiliki performa lebih baik ditunjukkan dengan peningkatan R-square dan penurunan GCV, RMSE, RSS, dan MAE dibandingkan dengan single MARS. Nilai R-square, RMSE, RSS, dan MAE pada tahap testing untuk single MARS berturut-turut adalah 0,926 ; 1,667 ; 0,264 ; dan 0,206. Sedangkan untuk bagging adalah 0,947 ; 1,196 ; 0,223 ; dan 0,186. Model bagging terbaik menggunakan bootstrap sebanyak 25 kali. Penelitian yang dilakukan memberikan insight untuk investor mengenai variabel-variabel yang perlu diperhatikan sehingga dapat menganalisis tren pasar saham lebih baik.
==============================================
The Indonesia Stock Exchange Composite Index (IHSG) is a crucial metric for investors tracking the performance of the Indonesian stock market. The IHSG influences investors' decisions, and it is believed to be affected by various macroeconomic factors and international indices. This relationship can be analyzed using Multivariate Adaptive Regression Splines (MARS) and further improved with Bagging MARS. The predictor variables in this analysis include Inflation, BI-rate, IDR/USD Exchange Rate, Consumer Price Index (CPI), Oil Prices, M2 (Money Supply), Gold Prices, DJIA, FTSE-100, SSE, Nikkei 225, and HSI. The dataset comprises monthly data from January 2014 to December 2023. The optimal model was determined with a maximum of 15 basis functions (nprune) and a maximum interaction degree of 1 (no interactions), achieving a GCV of 0.03564277, the lowest among all combinations. The findings show that the IHSG is influenced by the IDR/USD, Exchange Rate, CPI, M2, DJIA, FTSE-100, SSE, Nikkei 225, and HSI. The Bagging MARS model exhibited superior performance, reflected by higher R-square and lower GCV, RMSE, RSS, and MAE values compared to the single MARS model. For single MARS, the R-square, RMSE, RSS, and MAE values during testing were 0,926 ; 1,667 ; 0,264 ; and 0,206, respectively. While for Bagging MARS, these values were 0,947 ; 1,196 ; 0,223 ; and 0,186. respectively. The optimal bagging model was achieved with 25 bootstraps. This research provides valuable insights for investors, highlighting the key variables to consider for better analysis of stock market trends.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Bagging, IHSG, Indeks, Makroekonomi, MARS, Composite Stock Price Index, Index, Macroeconomics,
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Sharah Aulia Ulaila Reza
Date Deposited:	01 Aug 2024 03:28
Last Modified:	01 Aug 2024 03:28
URI:	http://repository.its.ac.id/id/eprint/109479

Actions (login required)

View Item