Implementasi Regresi Ridge Menggunakan Estimator Parameter Hoerl and Kennard

INDONESIA:

Analisis regresi linear sering terjadi masalah multikolinieritas. Masalah multikolinieritas perlu diatasi, salah satunya menggunakan regresi ridge. Regresi ridge diperoleh dengan menambahkan nilai tetapan bias pada metode kuadrat terkecil sehingga diharapkan dapat mengurangi nilai MSE serta mengurangi nilai multikolinieritas pada variabel bebas. Metode penentuan nilai tetapan bias salah satunya adalah metode Hoerl and Kennard dengan menggunakan nilai dari variansi error. Hasil analisis menunjukkan bahwa metode kuadrat terkecil mengalami masalah multikolinieritas karena variabel harga penutup saham (Close) dan variabel Bollinger Bands (BB) memiliki nilai VIF lebih dari 10. Hasil analisis regresi ridge menggunakan estimator parameter Hoerl and Kennard sebesar 0,3371 menghasilkan nilai VIF kurang dari 10. Kemudian model regresi ridge tersebut diuji akurasi peramalannya dengan menggunakan data testing. Hasil uji akurasi peramalan dilihat berdasarkan nilai MSE sebesar 0,0491. Sehingga model regresi ridge menggunakan estimator parameter Hoerl and Kennard memiliki tingkat akurasi peramalan cukup tinggi dan dapat digunakan untuk meramalkan return saham gabungan di masa mendatang.

ENGLISH:

In a linear regression analysis, multicollinearity problems often occurs. Therefore, multicollinearity problems need to be solved, one of which is using Ridge regression. Ridge regression is obtained by adding the value of the bias constant to the least squares method so that it is expected to reduce the MSE value and reduce the multicollinearity value in the independent variables. One method of determining the value of the bias constant is the Hoerl and Kennard method using the value of the error variance. The analysis results show that the least squares method has multicollinearity problems because the closing price variable and the Bollinger Bands variable have a VIF value of more than 10. The results of the Ridge regression analysis using the Hoerl and Kennard parameter estimator of 0.3371 produce VIF less than 10. So that the JKSE joint stock return model is obtained as follows. Then the Ridge regression model is tested for its forecast accuracy using the testing data. The results of the forecasting accuracy test are based on the MSE value of 0.0491. So the Ridge regression model using the Hoerl and Kennard parameter estimator has a fairly high level of forecasting accuracy and can be used to predict future stock returns.

ARABIC:

تحليل regresi linierهو ارتباط متقلّب المقيّد ومتقلّب المطلق. ومنهج تربيعيّ الأصغر معمول لتقدير المعامل غالبا لأنّ منهج تربيعيّ الأصغر له صفة Best Linear Unbiased Estimor تحليل regresi linier يكون غالبا بمسألة multikolinieritas لذلك كانت مسألة multikolinieritas محلولا، أحدها باستخدام .regresi ridge Regresi ridge محصول بزيادة نتائج ثابت التحيّز ومنهج تربيعيّ الأصغر حتّى كان هناك مرجوع لنقص نتائج MSE ولنقص نتائج multikolinieritas في متقلّب المطلق. ومنهج تحديد نتائج الثابت التحيّز أحدها هو بمنهج لهويرل وكينارد باستخدام النتائج من اختلاف الخطأ.
ونتائج التحليل يدلّ أنّ منهج تربيعيّ الأصغر له مسألة multikolinieritasلأنّ متقلّب ثمن الأسهم (close) ومتقلّب Bollinger Bands(BB) له نتائج VIP أكثر من 10. ونتائج regresi ridge له مقدّر المعامل لهويرل وكينارد يعنى 0، 3371 حصل على نتائج VIP أقلّ من 10. ثمّ تمّ الحصول على قاعدة عوائد الأسهم المشتركة JKSE
ثمّ لتلك قاعدة regresi ridge مُختَبَرَة صحّة تنبّأه باستخدام نتائج التجربة. ونتائج اختيار الصحّة التنبّأ منظور إلى نتائج MSE يعنى 0، 0491. لذلك أنّ قاعدة regresi ridge تستخدم مقدّر المعامل لهويرل وكينارد التي لها درجة صحّة التنبّأ عاليا بما يكفي وتستطيع لعمولتها لتنبّأ عوائد الأسهم المشتركة في المستقبل.