73 BAB IV PENUTUP Setelah dilakukan pembahasan tentang

BAB IV
PENUTUP
Setelah dilakukan pembahasan tentang metode yang digunakan dalam
pengestimasian harga saham dan dilakukan studi kasus terhadap data harga saham
Jakarta islamic indeks, maka dapat diperoleh beberapa kesimpulan dan saran
sebagai berikut:
A. Kesimpulan
Kesimpulan yang diperoleh setelah dilakukan pembahasan untuk metode yang
digunakan dan studi kasus yang telah dilakukan pada bab-bab sebelumnya adalah
sebagai berikut:
1.
Analisis estimator Nadaraya-Watson dengan tipe Kernel Gaussian dapat
menggunakan regresi nonparametrik. Regresi nonparametrik adalah prosedur
statistik yang tidak mengacu pada parameter tertentu. Estimasi densitas kernel
adalah suatu metode pendekatan terhadap fungsi densitas yang belum diketahui
dengan menggunakan fungsi kernel. Fungsi kernel yang digunakan dalam
skripsi ini adalah fungsi kernel Gaussian menggunakan data harga saham JII.
Data harga saham Jakarta Islamic Indeks pada periode 1 januari 2016 sampai
dengan 30 april 2016 mengikuti asumsi linearitas tetapi tidak mengikuti asumsi
normalitas. Maka regresi nonparametrik kernel bisa menjadi solusi masalah
tersebut.
2.
Metode Bandwidth “Complete Cross Validation” memberikan hasil estimasi
dengan nilai MSE paling kecil dibandingkan dengan metode lain. Sehingga
73
metode tersebut merupakan metode pemilihan bandwidth terbaik untuk
mengestimasi data harga saham Jakarta Islamic Indeks pada periode 1 januari
2016 sampai dengan 30 april 2016.
3.
Hasil estimasi pada skripsi ini dapat digunakan secara umum untuk menduga
harga saham berdasarkan waktunya. Misalkan ingin mengetahui harga saham
Jakarta Islamic Indeks pada waktu ke 36 hari, maka dari tabel tersebut dapat
ditemukan jawabannya bahwa harga saham Jakarta Islamic Indeks pada waktu
ke 36 hari adalah 626,6908.
B. Saran
Analisis regresi nonparametrik khususnya analisis regresi nonparametrik
kernel telah berkembang begitu pesat. Banyak ilmuwan yang telah mengembagkan
bentuk regresi nonparametrik kernel, baik estimator ataupun fungsi kernel. Dari
hasil di atas. Penulis memberikan beberapa saran diantaranya:
1. Jika data tidak dapat dianalisis menggunakan regresi parametrik, maka dapat
digunakan regresi nonparametrik. Karena regresi nonparametrik tidak mengikuti
asumsi-asumsi baku seperti halnya regresi parametrik.
2. Sebaiknya dalam pemilihan bandwidth harus hati-hati, karena bandwidth sangat
berperan penting dalam estimator dan fungsi kernel. Nilai bandwidth akan
mempengaruhi tingkat kemulusan dan besarnya nilai MSE hasil estimasi.
3. Pada penelitian ini digunakan estimator Nadaraya-Watson untuk mencari
estimasi data. Untuk penelitian selanjutnya dapat digunakan estimator kernel
lainnya atau jenis fungsi kernel lainnya.
74
4. Dapat dikembangkan jenis kernel epanechnikov yang sampai saat ini belum
banyak dianalisis oleh mahasiswa strata 1. Selain itu dapat digunakan metode
pemilihan bandwidth yang lain, masih banyak metode pemilihan bandwidth
untuk fungsi kernel.
75