Implementasi Regresi Ridge menggunakan estimator parameter khalaf and shukur: Studi Kasus Return Saham Gabungan JKSE

INDONESIA:

Metode yang mendasari analisis regresi adalah OLS. Namun terkadang terdapat masalah multikolinearitas sehingga OLS tidak dapat digunakan, terutama pada data return saham. Salah satu metode yang mampu mengatasi masalah multikolinearitas adalah regresi ridge. Penelitian ini menggunakan regresi ridge yang mampu mengatasi multikolinearitas pada data return saham. Tujuan penelitian ini adalah memodelkan return saham serta meramalkannya pada masa yang akan datang. Data yang digunakan adalah return dari harga saham gabungan JKSE berupa data harian pada periode bulan April 2020 – Mei 2021. Data tersebut dimodelkan dengan regresi ridge menggunakan estimator parameter Khalaf and Shukur dengan mengikuti langkah-langkah dan uji-uji untuk mendapatkan model terbaik. Hasil pemodelannya didapatkan bahwa regresi ridge mampu mengatasi multikolinearitas dengan nilai VIF kurang dari 10 untuk setiap variabel bebasnya. Model regresi ridge memiliki variabel-variabel bebas yang berpengaruh signifikan terhadap return saham dengan nilai koefisien determinasi sebesar 0,9610. Peramalan yang dilakukan menggunakan model regresi ridge juga memperoleh hasil yang cukup baik. Sehingga model regresi ridge yang diperoleh dapat digunakan dalam melakukan peramalan return saham pada masa yang akan datang.

ENGLISH:

The underlying method of regression analysis is the OLS method. However, sometimes there is a problem of multicollinearity so that OLS cannot be used, especially on stock return data. One method that is able to overcome the problem of multicollinearity is ridge regression. This study used the ridge regression to overcome multicollinearity in stock return data. The purpose of this study is to model stock returns and predict them in the future. The data used is the return of the Jakarta Stock Exchange Composite in the form of daily data for the April 2020 - May 2021 period. The data will be modeled with ridge regression using tuning parameter of Khalaf and Shukur by following the steps and tests to get the best model. The results of the modeling show that the ridge regression is able to overcome multicollinearity with the VIF value of less than 10 for each independent variable. The ridge regression model has independent variables that have a significant effect on stock returns with a coefficient of determination of 0.9610. Forecasting performed using the ridge regression model also obtained fairly good results. So that the obtained ridge regression model can be used in forecasting stock returns in the future.

ARABIC:

المنهج المكوّن تحليل رغرسي (regresi) هو أوئلئس (OLS). بل كانت مسألة ملتقالنيرتس (multikolinearitas) أحيانا حتّى كانت أوئلئس (OLS) لا تُستَخدَم، بخاصّة في نتائج عوائد الأسهم. المنهج الذي يمكن لتجاوز مسألة ملتقالنيرتس (multikolinearitas) هو ردغ رغرسين (regresi ridge). ويستخدم هذ البحث رغرسي ردغ (regresi ridge) الذي يمكن تجاوز ملتقالنيرتس (multikolinearitas) في نتائج عوائد الأسهم. وأهداف هذ البحث لتشكيل عوائد الأسهم وتنبّأها في المستقبل. ونتائج التي تستخدمها هي عوائد من ثمن الأسهم المشتركة جيكائسئي (JKSE) بموجودة نتائج اليوميّة في ددور شهر أبريل 2020 – مايو 2021. تلك النتائج تُشكّل برغرسي ردغ (regresi ridge) باستخدام مقدّر المعامل لخالف وشخور باتباع الخطوات والتجريبات لنيل أحسن الشكل. وحصل تشكيله يُحصَل أنّ رغرسي ردغ (regresi ridge) يمكن لتجاوز ملتقالنيرتس (multikolinearitas) بنتيجة فيؤيؤف (VIF) الذي ينقص من 10 لكلّ متقلّب مطله. وشكل ردغ رغرسين (regresi ridge) له متقلّبات المطلقة التي تتأثّر كبيرا لعوائد الأسهم بنيجة معامل التحديد 0،9610. وتنبّأ الذي معمول باستخدام رغرسي ردغ (regresi ridge) ينال على حصل مقبول. حتّى كان شكل رغرسي ردغ (regresi ridge) المحصول يمكن اسخدامه في عمل تنبّأ عوائد الأسهم في المستقبل.