Latent root regression dalam mengatasi multikolinearitas

Authors

Desy Pramesti Untari, Jurusan Pendidikan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Yogyakarta, Indonesia
Mathilda Susanti, Jurusan Pendidikan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Yogyakarta, Indonesia

Keywords

latent root regression, multikolinearitas, IHSG

Document Type

Article

Abstract

Salah satu metode yang dapat digunakan untuk mengatasi masalah multikolinearitas pada model regresi adalah latent root regression. Latent root regression merupakan perluasan dari principal component regression. Tujuan penelitian ini adalah untuk melakukan analisis latent root regression dalam mengatasi multikolinearitas yang diterapkan pada faktor-faktor yang mempengaruhi IHSG di Bursa Efek Indonesia. Variabel-variabel yang digunakan pada penelitian ini adalah IHSG, jumlah uang beredar, kurs rupiah terhadap dolar AS, harga emas dunia dan Indeks Dow Jones. Hasil penelitian yang diperoleh adalah faktor jumlah uang beredar, kurs rupiah terhadap dolar AS, harga emas dunia dan Indeks Dow Jones berpengaruh terhadap IHSG, namun terjadi multikolinearitas diantara faktor-faktor tersebut sehingga diselesaikan dengan latent root regression. Kemudian analisis latent root regression tersebut dibandingkan dengan analisis principal component regression pada faktor-faktor yang mempengaruhi IHSG di Bursa Efek Indonesia yang hasilnya adalah latent root regression lebih baik daripada principal component regression karena lebih tinggi dan asumsi regresi lebih banyak dipenuhi pada latent root regression.

Kata Kunci: latent root regression, multikolinearitas, IHSG.

Latent Root Regression to Solve Multicolinearity

Abstract

One of methods can be used to overcome the problem of multicollinearuty in a regression model is latent root regression. Latent root regression is an extension of principal component regression. The purpose of this research is to perfom a latent root regression analysis in solving multicollinearity on the factors that affect JSX Composite in Indonesia Stock Exchange. The variables used in this research are JSX Composite, money supply, rupiah exchange rate against the US dollar, gold price and DJI. The research result obtained are the factors of money supply, rupiah exchange rate against the US dollar, gold price and DJI affect JSX Composite, but multicollinearity occur among these factors thus solved by latent root regression. Then the latent root regression analysis is compared with principal component regression on the factors that affect JSX Composite in Indonesia Stock Exchange that the result is better than latent root regression of principal component regression because is higher and regression assumptions more fulfilled in latent root regression. Keywords: latent root regression, multicollinearity, JSX composite

Page Range

23-32

Issue

1

Volume

12

Digital Object Identifier (DOI)

10.21831/pg.v12i1.11633

Source

https://journal.uny.ac.id/index.php/pythagoras/article/view/11633

Recommended Citation

Untari, D. P., & Susanti, M. (2017). Latent root regression dalam mengatasi multikolinearitas. PYTHAGORAS : Jurnal Matematika dan Pendidikan Matematika, 12(1), 23-32. https://doi.org/10.21831/pg.v12i1.11633

References

Draper, N.R., & Smith, H. (1992). Analisis regresi terapan edisi kedua. Penerjemah: Bambang Sumantri. Jakarta: Gramedia Pustaka Utama.

Ernawati, D. (2014). Analisis pengaruh nilai tukar (kurs) Dolar Amerika/Rupiah (US$/Rp), inflasi, tingkat suku bunga SBI dan jumlah uang beredar (M2) terhadap indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia (BEI) periode 2006-2010. Naskah Publikasi. Universitas Muhammadiyah Surakarta.

Gujarati, D.N. (2006). Dasar-dasar ekonometrika jilid 2. Penerjemah: Julius A. Mulyadi. Jakarta: Penerbit Erlangga.

Hasibuan, M.S.P. (2009). Dasar-dasar perbankan. Jakarta: Bumi Aksara.

Kewal, S.S. (2012). Pengaruh inflasi, suku bunga, kurs, dan pertumbuhan PDB terhadap indeks harga saham gabungan. Jurnal Economia, 8(1). 53-64.

Marcus, G.L., Wattimela, H.J., & Lesnussa, Y.A. (2012). Analisis regresi komponen utama untuk mengatasi masalah multikolinearitas dalam analisis regresi linear berganda (studi kasus: curah hujan di Kota Ambon Tahun 2010. Jurnal Barekeng, Vol. 6, No. 1, Hlm. 31-40.

Midi, H., & Hua, L.U. (2009). The Performance of Latent Root M-based Regression. Journal of Mathematics and Statistics, Vol. 5, No. 1, Hlm. 1-9.

Nopirin. (2000). Pengantar Ilmu Ekonomi Makro & Mikro. Yogyakarta: BPFE.

Prayitno, H. (2012). Analisis hubungan antara harga emas dunia, kurs rupiah, dan harga crude oil terhadap indeks harga saham gabungan (IHSG) di Bursa Efek Indonesia tahun 2009-2011. Jurnal Akuntansi, Manajemen Bisnis dan Sektor Publik (JAMBSP), Vol. 8, No. 3, Hlm. 418-434.

Riyantini, D.L., Susilawati, M., & Sari, K. (2014). Penerapan regresi akar laten dalam menangani multikolinearitas pada model regresi linier berganda. E-Jurnal Matematika, Vol. 3, No.1, Hlm. 8-16.

Samsul, M. (2006). Pasar modal dan manajemen portofolio. Jakarta: Penerbit Erlangga.

Sharma, S & James, W.L. (1981). An alternate procedure for estimating parameters in the presence of multicollinearity. Journal of Marketing Research, Vol. 18, No. 2, Hlm. 154-161.

Sunyoto, D. (2012). Dasar-dasar statistika untuk ekonomi. Yogyakarta: CAPS.

Vigneau, E & Qannari, E.M. (2002). A new algorithm for latent root regression analysis. Computational Statistics & Data Analysis 41, 231-242.

Webster, J.T., Gunts, R.F., & Mason, R. (1974). Latent root regression analysis. Technometrics 16, 513-522.

Witjaksono, A.A. (2010). Analisis pengaruh tingkat suku bunga SBI, harga minyak dunia, harga emas dunia, kurs rupiah, Indeks Nikkei 225, dan Indeks Dow Jones terhadap IHSG (studi kasus pada IHSG di BEI selama periode 2000-2009. Tesis. Universitas Diponegoro