%0 Thesis
%9 Skripsi
%A Devita Riska Nuraini, NIM.: 19106010046
%B FAKULTAS SAINS DAN TEKNOLOGI
%D 2023
%F digilib:61567
%I UIN SUNAN KALIJAGA YOGYAKARTA
%K AIC; GCV; MAPE, Regresi Penalized Spline; Runtun Waktu
%P 116
%T PERBANDINGAN OPTIMASI MODEL REGRESI PENALIZED SPLINE MENGGUNAKAN GENERALIZED CROSS VALIDATION (GCV) DAN AKAIKE INFORMATION CRITERION (AIC) PADA  DATA RUNTUN WAKTU (STUDI KASUS : DATA IHSG PERIODE 1 JANUARI 2021 - 31 DESEMBER 2022)
%U https://digilib.uin-suka.ac.id/id/eprint/61567/
%X Data Indeks Harga Saham Gabungan (IHSG) merupakan data runtun waktu yang dapat dimodelkan dengan model parametrik, salah satunya yaitu dengan model Autoregressive Integrated Moving Average (ARIMA). Pada ARIMA terdapat beberapa  asumsi yang harus dipenuhi, yaitu asumsi stasioneritas, asumsi normalitas, dan asumsi white noise. Pada umumnya, data IHSG yang berfluktuasi melanggar asumsi tersebut. Alternatif dari permasalahan tersebut yaitu menggunakan pendekatan  nonparametrik. Regresi penalized spline merupakan salah satu regresi nonparametrik yang dapat digunakan. Model regresi penalized spline optimal bergantung pada pemilihan kombinasi orde, jumlah knot, dan λ berdasarkan nilai Generalized  Cross Validation (GCV) minimum dan Akaike Information Criterion (AIC) minimum. Diperoleh kombinasi orde, jumlah knot, dan λ optimal pada penelitian ini adalah pada orde 2 (linear) dan 1 titik knot yaitu 6829.922 dengan masing-masing  λ optimal pada GCV sebesar 2.828283×10−4 dengan nilai GCV sebesar 15600.36, dan λ optimal AIC sebesar 1×10−16 dengan nilai AIC sebesar 1299.176. Selanjutnya akan dibandingkan nilai MAPE dari kedua model tersebut. Nilai MAPE pada model GCV sebesar 1.316928 dan nilai MAPE pada model AIC sebesar 1.316881. Dikarenakan nilai MAPE pada model AIC lebih kecil daripada model GCV, maka model AIC dinilai lebih baik dalam peramalan. Model terbaik yang diperoleh adalah  ˆy = 5813.654B−1,2(x) + 6858.172B0,2(x) + 7220.146B1,2(x)
%Z Pembimbing: Sri Utami Zuliana, S.Si., M.Sc., Ph.D dan Muhamad Rashif Hilmi, S.Si., M.Sc