Hasil Pencarian  ::  Simpan CSV :: Kembali

"Analisis regresi linier berganda adalah suatu teknik statistik untuk memodelkan dan menganalisis hubungan antara variabel respon dan variabel-variabel regresor. Pada umumnya, penaksiran parameter pada model regresi linier berganda menggunakan metode OLS (Ordinary Least squares) yang menghasilkan taksiran least squares. Pada model regresi linier berganda dimungkinkan kondisi multikolinieritas yang menyebabkan variansi taksiran least squares menjadi besar sehingga taksiran least squares tidak stabil. Salah satu metode alternatif penaksiran parameter model regresi linier berganda untuk kasus multikolinieritas adalah metode ridge yang menghasilkan taksiran ridge. Taksiran ridge bergantung pada sebuah konstanta bias k yang disebut konstanta bias ridge. Metode generalized ridge merupakan pengembangan dari metode ridge, dengan menerapkan Dekomposisi Spektral untuk memperoleh bentuk kanonik, kemudian ditambahkan beberapa konstanta bias sebanyak jumlah variabel regresor yang diperoleh dari proses iterasi. Taksiran generalized ridge menghasilkan mean square error yang lebih kecil dari mean square error taksiran least squares.

---

Analysis of regression is a statistical technique for modeling and analizing the relationship between the response variable and regressor variables. This skripsi is modeling the relationship between one response variable and several regressor variables when there is no linear relationship among the regressors variable. The ordinary least squares method is used to estimate regression coefficient. Multicollinearity result in large variance for the least squares estimators of the regression coefficient, and the estimators also will be unstable. Ridge method is the most common method to overcome this problem. Ridge estimator depends on biasing parameter k called constant of ridge. Generalized ridge is an extension of the ordinary ridge method by applying spectral decompotition to obtain the canonical form, then adding biasing parameters as many as number of regressor variables that specified by iteration. The advantage of generalized ridge estimator over the least squares estimator is generalized ridge estimator has less scalar mean square error (mse) than mse of least squaress estimator."

"This paper aims to analyze the performance of Nelson-Siegel and Svensson in modeling the Indonesia government term structure, then each model will undergo two different fitting process; the linear and non-linear method. The former follows the Diebold & Li (2006) and De Pooter (2007) framework, the latter will utilize the Differential Evolution as its main method to estimate the yield curve through random mutation. Therefore, this paper will compare four estimation processes that each consists of an estimation model and method. Author used historical price data of Fixed Rate bonds from April 2017 until September 2017 on daily basis. The analysis will measure each estimation process based on multicollinearity (pre-stage), parameters’ stability (1st stage), and fitting capability using RMSE and MAE (2nd stage). From each analysis stage, it is found that the Svensson model has an issue with multicollinearity. Even though it can fit the yield better than Nelson-Siegel, its correlation between parameters has a confounding effect for the financial interpretation. Second it is found that the non-linear method underperformed in the parameters’ stability stage, each parameter has a high volatility making it unable to represent the temporal movement of the actual yields Third, it is found that the Nelson-Siegel with linear method has the smallest residual value in MAE compared to the other remaining estimation process in this stage, making it as the most preferable estimation process for constructing Indonesia government term structure.

---

Penelitian ini bertujuan untuk menganalisa performa dari Nelson-Siegel dan Svensson dalam memodelkan term structurepemerintah Indonesia, setiap model estimasi ini akan melalui dua proses fitting yang berbeda; metode linear dan non-linear. Proses metode linear mengikuti kerangka Diebold & Li (2006) dan De Pooter (2007), sementara untuk non-linear akan menggunakan proses Differential Evolution sebagai metode utama untuk mengestimasi kurva yield melalui mutasi random. Penelitian ini akan membandingkan empat proses estimasi yang setiapnya terdiri dari satu model estimasi dan satu metode estimasi. Penulis menggunakan data harga historis obligasi Fixed Rate dari bulan April 2017 sampai September 2017 dalam basis harian. Proses analisa penelitian akan mengukur setiap proses estimasi berdasarkan dari multikolinearitas (pre-stage), stabilitas parameter (1st stage), dan kemampuan fitting menggunakan RMSE dan MAE (2ndstage). Dari setiap tingkat analisa, telah ditemukan bahwa model Svensson memiliki isu dengan multikolinearitas. Walaupun model ini memiliki kemampuan fitting yang lebih baik dari Nelson-Siegel, tetapi korelasi antara parameternya membuat model ini sulit untuk diinterpretasikan. Kedua, telah ditemukan bahwa metode non-linear memiliki kinerja yang kurang baik dalam tahap stabilitas parameter, setiap parameternya memiliki volatilitas yang tinggi yang membuat model ini sulit untuk merepresentasikan pergerakan yield yang sesungguhnya. Ketiga, telah ditemukan bahwa model Nelson-Siegel dengan metode linear memiliki nilai error terkecil dalam ukuran MAE dibanding proses estimasi lainnya yang tersisa dalam tahap ini, membuat proses estimasi ini menjadi pilihan terbaik dalam membuat term structure pemerintah Indonesia."