| dc.description.abstract | Analisis regresi merupakan analisis untuk menentukan pengaruh kovariat terhadap peubah responnya. Salah satu metode untuk menduga parameter regresi adalah dengan menggunakan metode kuadrat terkecil (Ordinary Least Square/OLS). Penduga parameter dengan metode OLS adalah penduga tak bias terbaik (Best Linear Unbiased Estimator/BLUE) jika asumsi-asumsi klasik dari model regresi terpenuhi. Akan tetapi, asumsi-asumsi tersebut dalam aplikasinya sering tidak terpenuhi.
Analisis copula merupakan suatu metode alternatif untuk mengatasi masalah ketidaknormalan dan dependensi antar peubah. Analisis copula sering dijadikan sebagai metode alternatif untuk mengatasi masalah terlanggarnya asumsi-asumsi dari suatu model regresi. Selain itu, analisis copula dapat diterapkan jika sebaran dari setiap peubah tidak identik.
Penggunaan analisis copula pada kasus multivariat sangat sulit dilakukan untuk mendapatkan fungsi copulanya. Oleh karena itu, dikembangkan pendekatan lain yaitu vine copula. Konsep dari vine copula adalah mendekomposisi fungsi copula multivariat menjadi fungsi copula berpasangan (copula bivarat). Analisis vine copula dapat dilakukan dengan menentukan terlebih dahulu struktur dependensinya yaitu menentukan tree dan keluarga copulanya. Penentuan tree dan keluarga copulanya dapat diperoleh dengan memilih salah satu di antara beberapa jenis vine copula, diantaranya C-vine copula (Canonical-vine copula) dan D-vine copula (Drawable-vine copula). Kemudian dengan menggunakan fungsi copula berpasangan, dicari sebaran bersamanya dan diterapkan konsep nilai harapan untuk mendapatkan nilai prediksi.
Penelitian ini menggunakan data Indeks Harga Saham Gabungan (IHSG) dan faktor-faktor makroekonominya yaitu inflasi, nilai tukar rupiah terhadap USD, dan suku bunga. Data penelitian diperoleh dari situs Bank Indonesia (BI) dan Bursa Efek Indonesia (BEI). Penelitian ini mengambil 120 data dari tahun 2006 hingga 2015. Data dibagi menjadi dua kelompok yaitu 100 data training untuk membentuk model dan 20 data testing untuk mengevaluasi model. Pemilihan data training dan data testing dilakukan secara acak dengan tujuan menghilangkan efek waktu (time). Peubah dalam penelitian ini adalah IHSG sebagai peubah respon dan faktor makroekonomi (inflasi, nilai tukar rupiah terhadap USD, dan suku bunga) sebagai kovariat.
Penelitian ini menggunakan software R versi 3.3.2 dalam melakukan analisis data. Tujuan penelitian ini adalah mengkaji struktur dependensi dan menentukan model C-D vine copula terbaik antara IHSG dan faktor-faktor makroekonomi. Selanjutnya dilakukan prediksi IHSG dengan menggunakan model regresi klasik dan model regresi copula. Hasil prediksi dari dua model tersebut dievaluasi dengan ukuran Mean Absolute Percentage Error (MAPE) untuk memperoleh model yang paling akurat.
Regresi klasik menghasilkan nilai MAPE sebesar 16.13%. Akan tetapi, asumsi-asumsi regresi tidak terpenuhi. Selain itu, plot tebaran data
mengindikasikan bahwa IHSG dan faktor makroekonomi tidak memiliki hubungan yang linier. Oleh karena itu, dilakukan analisis lanjut menggunakan pendekatan copula untuk mengatasi masalah ketidaklinieran hubungan antar peubah.
Hasil identifikasi sebaran marginal menunjukkan bahwa kovariat menghampiri sebaran Lognormal sedangkan IHSG menghampiri sebaran Weibull dan Normal. Struktur dependensi terbaik dalam penelitian ini adalah D-vine copula dari keluarga Archimedes dengan metode kemungkinan maksimum (Maximum Likelihood Estimation/ MLE). Nilai MAPE regresi copula untuk IHSG menghampiri sebaran Weibull adalah sebesar 4.86% sedangkan untuk IHSG menghampiri sebaran Normal adalah sebesar 4.85%. Nilai MAPE dari model regresi copula dengan sebaran Weibull tidak berbeda secara signifikan dengan model regresi copula pendekatan sebaran Normal. Jadi, dapat disimpulkan bahwa regresi copula dapat memprediksi IHSG dengan lebih akurat dibandingkan dengan regresi klasik. | id |
