d'Cartesian: Jurnal Matematika dan Aplikasi
Vol 9, No 2 (2020): September 2020

Pendekatan Generalized Linear Model Pada Regresi Kuantil Copula Normal Untuk Keterhubungan IHSG dan Kurs EUR-IDR

Laurentia Nindya Sari Prameswara (Universitas Kristen Satya Wacana)
Bambang Susanto (Universitas Kristen Satya Wacana)
Leopoldus Ricky Sasongko (Universitas Kristen Satya Wacana)



Article Info

Publish Date
31 Dec 2020

Abstract

Penelitian ini bertujuan untuk memperoleh estimasi parameter dan regresi kuantil pada suatu model distribusi bivariat yang disebut Copula sebagai alternatif regresi linier klasik dalam menganalisis keterhubungan dua peubah acak. Copula adalah model distribusi bivariat yang memiliki keunggulan selain karena tidak kaku terhadap asumsi distribusi tertentu, juga dapat menyatakan keterhubungan nonlinier. Copula yang dianalisis pada penelitian ini adalah Copula Normal. Sedangkan Generalized Linear Model (GLM) adalah perluasan dari model regresi linier klasik, yang salah satu komponen utamanya adalah fungsi link. Didapati bahwa regresi kuantil pada copula Normal merupakan suatu bentuk GLM dengan fungsi invers link yaitu . Regresi kuantil dan parameter copula Normal  diestimasi dengan pendekatan GLM menggunakan metode Least Square. Estimasi regresi kuantil terbaik dilakukan dengan menghitung Mean Square Error (MSE). Validasi parameter copula dilakukan melalui simulasi dengan parametric bootstrap. Data yang digunakan dalam penelitian ini adalah data return IHSG sebagai peubah tak bebas dan data return kurs beli EUR-IDR sebagai peubah bebas. Hasil penelitian menunjukkan bahwa keterhubungan IHSG dan kurs beli EUR-IDR lemah dan tidak linier.

Copyrights © 2020






Journal Info

Abbrev

decartesian

Publisher

Subject

Mathematics

Description

This journal provides a forum for researchers, academics, professions, to publish research articles or review results. Topics of articles published in this journal include: 1. Applied Mathematics 2. Analysis 3. Statistics 4. Mathematical Modelling 6. Information System 7. Computational ...