Perbandingan Penanganan Pelanggaran Asumsi Model Regresi Linear Menggunakan Regresi Linear Time Series dan Metode Cochrane-Orcutt

Abstract

Seorang investor memiliki keinginan untuk mendapatkan keuntungan dari hasil berinvestasi dengan cara membeli saham dari suatu perusahaan. Selain memberikan imbal hasil yang tinggi, berinvestasi pada saham juga memiliki risiko yang tinggi. Oleh karena itu, untuk mengurangi risiko dilakukan peramalan harga saham di masa depan. Adapun metode yang digunakan yaitu melalui model regresi linear. Model tersebut memiliki asumsi-asumsi yang harus dipenuhi. Dalam penelitian ini dilakukan studi kasus pada harga saham BMRI yang diregresikan terhadap IHSG. Terdapat pelanggaran asumsi kebebasan galat yang ditangani dengan metode Cochrane-Orcutt dan regresi linear time series. Dari dua metode tersebut dibandingkan dan didapatkan bahwa metode Cochrane-Orcutt lebih baik dengan MAPE sebesar 0,886% daripada metode regresi time series dengan MAPE sebesar 5,178%.

An investor has a desire to benefit from investment results by buying shares of a company. Apart from providing high returns, investing in stocks carries a high risk. Therefore, to reduce risk, stock price forecasting is carried out in the future. The method used is a linear regression model. The model has assumptions that must be met. This research, conducted a case study on BMRI's stock price which was regressed against the IDX Composite. There is a violation of the assumption of freedom of error which is handled by the Cochrane-Orcutt method and linear time series regression. The two methods were compared and it was found that the Cochrane-Orcutt method was better, with a MAPE of 0.886% than the time series regression method, with a MAPE of 5.178%.