Prasetyo, Achmad (2015) Perbandingan Model Regresi Terpotong Dan Regresi Kuantil Pada Data Yang Mengandung Pencilan. Sarjana thesis, Universitas Brawijaya.
Abstract
Terdapatnya pencilan dalam kasus IHSG dan faktor yang mempengaruhinya dapat mengakibatkan data tidak simetris sehingga dimungkinkan tidak terpenuhinya asumsi kenormalan sisaan. Pada kasus ini analisis dapat dilakukan dengan dua cara yaitu dengan menggunakan metode Regresi Terpotong dan Regresi Kuantil. Regresi Terpotong adalah analisis regresi yang dilakukan Pembatasan penelitian pada suatu nilai tertentu pada suatu pengamatan sehingga menyebabkan distribusi data berubah. Pembatasan dilakukan pada peubah respon terbatas pada suatu titik tertentu dan peubah responnya hanya diobservasi jika peubah prediktornya diobservasi. Regresi Kuantil merupakan suatu pendekatan yang menduga berbagai fungsi kuantil dari suatu sebaran sebagai fungsi dari . Penggunaan metode ini dengan pembagian atau pemisahan data menjadi dua atau lebih kelompok yang diindikasikan mempunyai perbedaan penduga pada kuantil tertentu. Penelitian ini bertujuan untuk membentuk model dan membandingkan kebaikan model Regresi Terpotong dan Regresi Kuantil berdasarkan , AIC dan BIC. Data yang digunakan adalah data sekunder yaitu IHSG tahun 2007-2013. Peubah prediktor yang digunakan meliputi Inflasi, Suku Bunga BI, Nilai Kurs Rupiah terhadap Dollar Amerika. Berdasarkan hasil analisis, model regresi Kuantil lebih baik dalam memodelkan kasus IHSG tahun 2007-2013 dan faktor yang mempengaruhinya pada kuantil =0.5 dibanding model Regresi Terpotong berdasarkan nilai AIC dan BIC.
English Abstract
The presence of outliers in the case of IHSG and influencing factors can lead to asymmetrical data so that the possibility of remnant normality of assumption is not fulfilled. In this case analysis can be done in two ways which are using Truncated Regression and Quantile Regression. Truncated Regression is a regression analysis conducted a research limitation to a particular value at an observation resulting data distribution to change. The restrictions are made on the limited response variable to a certain point and the variable response are observed only if the predictor variables was seen. Quantile regression is an approach that alleged various functions of quantile of an distribution as a function of X. The implemantation of this method by division or splitting the data into two or more groups have indicated a certain difference probe in quantile. This study aims to establish models and compare the improvement of Truncated Regression and Quantile Regression models based on ,AIC and BIC. The data used is secondary data that is IHSG of 2007-2013. Predictor variables that are used include inflation, interest rate of BI, value of Rupiah exchange rate to American Dollar. Based on results of analysis, Quantile regression models is better in the case of IHSG of 2007-2013 and factors affecting the quantile =0.5 compared Truncated Regression models by popularity the value of AIC and BIC.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2015/169/051504870 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 18 Aug 2015 15:39 |
| Last Modified: | 18 Aug 2015 15:39 |
| URI: | http://repository.ub.ac.id/id/eprint/154194 |
Actions (login required)
 |
View Item |