Analisis harga saham Bank Mandiri menggunakan regresi nonparametrik: Perbandingan Spline truncated dan Deret Fourier

Authors

  • Risfa Fadila Program Studi Statistika, Universitas Bengkulu
  • Idhia Sriliana Program Studi Statistika, Universitas Bengkulu
  • Ilham Hayadi Program Studi Statistika, Universitas Bengkulu
  • Veronnica Noer Fhaeza Program Studi Statistika, Universitas Bengkulu
  • Pepi Novianti Program Studi Statistika, Universitas Bengkulu

DOI:

https://doi.org/10.24252/teknosains.v19i1.57387

Keywords:

Bank Mandiri, Deret Fourier, Regresi nonparametrik, Saham, Spline truncated

Abstract

Saham Bank Mandiri merupakan salah satu bank terbesar di Indonesia yang masuk ke dalam Big four Bank. Harga saham Bank Mandiri tidak terhindar dari fluktuasi yang disebabkan oleh berbagai faktor ekonomi dan kebijakan pasar. Penelitian ini bertujuan untuk memahami pola pergerakan saham Bank Mandiri, menggunakan metode regresi nonparametrik dengan membandingkan metode Spline truncated dan Deret Fourier dalam memodelkan dan memprediksi harga saham Bank Mandiri. Metode Spline truncated menangkap perubahan lokal pada data dengan membaginya menjadi beberapa segmen, sedangkan Deret Fourier menggunakan fungsi sinus dan cosinus untuk mendeteksi pola periodik. Data yang digunakan pada penelitian ini meliputi harga penutupan saham BMRI bulanan, inflasi Indonesia dan BI Rate dari Januari 2021 hingga Desember 2024. Hasil penelitian menunjukkan bahwa kedua metode memiliki performa yang hampir sama. Namun, Deret Fourier sedikit lebih unggul dengan nilai R^2 sebesar 92,27% memiliki 5 titik osilasi. Penelitian ini menegaskan pentingnya model nonparametrik untuk menangkap sifat non-linier harga saham, mendorong pengembangan model yang lebih adaptif.

Published

2025-06-30

How to Cite

Fadila, R., Sriliana, I., Hayadi, I., Fhaeza, V. N., & Novianti, P. (2025). Analisis harga saham Bank Mandiri menggunakan regresi nonparametrik: Perbandingan Spline truncated dan Deret Fourier. Teknosains: Media Informasi Sains Dan Teknologi, 19(1), 112–122. https://doi.org/10.24252/teknosains.v19i1.57387