Bayu, Fitri Eka (2023) Penerapan regresi LASSO menggunakan algoritma LARS dan GLMNET dalam memprediksi model saham ASEAN / Fitri Eka Bayu. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Globalisasi membuat pasar saham semakin terintegrasi secara global. Pasar saham dengan lokasi yang berdekatan seperti pasar saham di kawasan ASEAN saling memiliki keterkaitan. Dalam memodelkan hubungan beberapa variabel prediktor dengan variabel respon digunakan regresi linear berganda. Salah satu pelanggaran asumsi yang sering terjadi pada analisis regresi linear berganda disebabkan multikolinearitas. Keadaan dimana terdapat korelasi antar variabel prediktor yang dapat mempengaruhi model prediksi. Pada penelitian ini metode yang digunakan dalam menangani masalah multikolinearitas adalah regresi LASSO. Regresi LASSO dapat menyusutkan koefisien regresi dari variabel prediktor mendekati nol atau bahkan tepat nol sehingga diperoleh prediksi model yang lebih sederhana. Pemodelan regresi LASSO dapat menggunakan algoritma Least Angle Regression (LARS) dan General Linear Model Net (GLMNET) karena kedua algoritma tersebut lebih efisien dalam komputasi pemodelan LASSO. Data yang digunakan dalam penelitian ini berupa harga saham penutupan bulanan dari negara-negara ASEAN dari periode Maret 2016 hingga Desember 2022. Tujuan dari penelitian ini adalah menerapkan regresi LASSO berbantuan algoritma LARS dan GLMNET untuk mendapatkan model saham negara-negara ASEAN serta mengatasi masalah multikolinearitas. Hasil penelitian menunjukkan bahwa model terbaik dari regresi LASSO lebih unggul menggunakan algoritma LARS dibandingkan algoritma GLMNET dengan nilai R-squared sebesar 83 65% dan nilai MSE sebesar 1 9868. Model LASSO dengan LARS memperoleh nilai VIF kurang dari 10 yang berarti masalah multikolinearitas telah teratasi. Disimpulkan bahwa indeks saham negara Malaysia (KLCI) Thailand (SETi) Filipina (PSEi) Vietnam (VN-Index) Singapura (STI) dan Myanmar (MYANPIX) memiliki pengaruh terhadap indek saham Indonesia (IHSG).
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 30 May 2023 04:29 |
| Last Modified: | 09 Aug 2023 07:34 |
| URI: | http://repository.um.ac.id/id/eprint/291498 |
Actions (login required)
 |
View Item |