Pemodelan Faktor-Faktor yang Memengaruhi Harga Saham dengan Regresi Nonparametrik Kernel

Abstract

Kehidupan pasar modal memiliki peran penting dalam investasi. Instrumen investasi yang banyak digunakan adalah saham. Harga saham dipengaruhi oleh faktor eksternal dan faktor internal. Penelitian ini bertujuan mengetahui model kernel dari pemodelan harga saham dengan faktor-faktor yang memengaruhi serta kinerja model, dan mengetahui faktor yang lebih berpengaruh pada harga saham. Pemodelan akan dilakukan dengan memodelkan harga saham berdasarkan faktor faktornya. Pergerakan harga saham yang fluktuatif sehingga pemodelan akan dilakukan menggunakan metode regresi nonparametrik kernel. Parameter yang digunakan dalam metode tersebut adalah nilai bandwidth dan fungsi kernel. Fungsi kernel yang digunakan, yaitu fungsi Gaussian. Nilai bandwidth yang digunakan pada pemodelan dengan faktor eksternal, faktor internal, dan faktor gabungan berturut-turut adalah 0,3, 1,6, dan 1,3. Nilai MAPE dari prediksi pada pemodelan pada faktor eksternal sebesar 3,43%, pada faktor internal sebesar 1,77%, dan pada faktor gabungan sebesar 1,46%. Kinerja prediksi yang dihasilkan pada pemodelan dengan faktor gabungan menghasilkan nilai yang lebih baik.

The capital market plays an important role in investment. Stocks are one of the most commonly used investment instruments. Stock prices are influenced by external and internal factors. This research aims to determine the kernel model for stock price modeling based on these influencing factors, evaluate the model's performance, and identify which factor has a greater impact on stock prices. The modeling will be conducted by modeling stock prices based on these factors. Due to the fluctuating nature of stock prices, the modeling will be performed using the kernel nonparametric regression method. The parameters used in this method are the bandwidth and the kernel function. The kernel function used is the Gaussian function. The bandwidth values used in the modeling with external, internal, and combined factors are 0,3, 1,6, and 1,3 respectively. The MAPE values for the prediction model with external factors 3,43%, with internal factors 1,77%, and with combined factors 1,46%. The prediction performance of the model with combined factors yielded better results.