%0 Thesis
%9 Skripsi
%A Tsalisa Zuraida Aziroh, NIM.: 19106010038
%B FAKULTAS SAINS DAN TEKNOLOGI
%D 2023
%F digilib:61551
%I UIN SUNAN KALIJAGA YOGYAKARTA
%K ARIMA; GCV; MAPE; Regresi B-Spline; Runtun Waktu.
%P 94
%T OPTIMASI MODEL REGRESI B-SPLINE MENGGUNAKAN  METODE GENERALIZED CROSS VALIDATION (GCV) (STUDI KASUS : DATA SAHAM BANK CENTRAL ASIA (BBCA.JK) PERIODE 1 JANUARI 2020 - 31 DESEMBER 2022)
%U https://digilib.uin-suka.ac.id/id/eprint/61551/
%X Data runtun waktu merupakan sekumpulan data yang dihimpun berdasarkan waktu. Data Saham termasuk kedalam data runtun waktu. Model yang umum digunakan untuk melakukan peramalan pada data runtun waktu adalah model Autoregressive Integrated Moving Average (ARIMA). Dalam melakukan pemodelan dengan  menggunakan ARIMA diperlukan asumsi-asumsi yang harus dipenuhi. Asumsi-asumsi tersebut adalah asumsi stasioneritas, normalitas, serta white noise. Apabila terdapat asumsi yang tidak terpenuhi maka pemodelan ARIMA menghasilkan prediksi yang tidak akurat. Solusi yang dapat dilakukan untuk menangani  permasalahan tersebut adalah dengan melakukan pemodelan menggunakan regresi nonparametrik B-Spline. Penelitian ini bertujuan untuk memodelkan data saham Bank Central Asia menggunakan model B-Spline dengan optimasi GCV. Model  terbaik didapatkan dari pemilihan orde serta titik knot yang optimal. Kemudian perlu dilakukan estimasi parameter serta uji signifikansi model. Langkah ter-akhir yang dilakukan adalah menguji kelayakan model dengan kriteria Mean Absolute Percentage Error (MAPE) untuk mengetahui kinerja model. Pada penelitian ini, didapatkan hasil bahwa kombinasi orde dan titik knot optimal adalah orde 4 dengan titik knot 3. Sehingga didapatkan model regresi B-Spline optimal adalah: ˆy = 5122.052B−3,4(x) + 3437.306B−2,4(x) + 6048.889B−1,4(x) + 4569.555B0,4(x) + 6239.689B1,4(x) + 7456.633B2,4(x) + 8703.797B3,4(x)
%Z Pembimbing: Sri Utami Zuliana, S.Si., M.Sc., Ph.D.