property dan perdagangan sebagai sektor dominan pada data...
TRANSCRIPT
PROPERTY DAN PERDAGANGAN SEBAGAISEKTOR DOMINAN PADA DATA BURSA SAHAM
DENGAN Principal Component Analysis (PCA)
Oleh :
Hanna A Parhusip, Deva Widyananto1 dan Bernadeta Desinova Kr2a a a us p, e a dya a to da e adeta es o a
Program Studi Statistika Matematika
Fakultas Sains dan Matematika (FSM)
Universitas Kristen Satya Wacana (UKSW) (www uksw edu)Universitas Kristen Satya Wacana (UKSW) (www.uksw.edu)1mahasiswa S1, matematika – FSM – UKSW 2mahasiswa S1, matematika – FSM – UKSW
MasalahMasalahData dengan variabel banyak dapat membingungkan dalam formulasi masalahpada suatu model matematikapada suatu model matematika Oleh karena itu diperlukan cara memilih variabel yang dominan untuk mereduksi banyaknya variabel.
Pada makalah ini dibahas tentang cara memilih sektor ‐
METODE : PCA (Principal Component Analysis)
Pada makalah ini dibahas tentang cara memilih sektor ‐sektor saham domina yang ada di Indonesia. Data diambil dari Bursa Efek Jakarta ( BEJ ) dan menggunakan data pada b l dbulan Januari 2008 sampai dengan Januari 2010.
Principal Component Analysis
Secara aljabar PCA merupakan suatu kombinasi linear j pkhusus untuk p variabel random X1, . . . , Xp. Secara geometri, kombinasi linear menyatakan pemilihan sistem koordinat baru yang diperoleh dari merotasisistem koordinat baru yang diperoleh dari merotasi sistem mula‐mula X1, . . . , Xp sebagai sumbu‐sumbu koordinat. Sumbu koordinat yang baru sangat
d k k ( ktergantung dari matriks kovariansi. (atau matrik korelasi). Matriks kovariansi pada makalah ini disimbolkan dan haruslah positif tegas (positive p g (pdefinite). Istilah ini dijelaskan pada Definisi 1.
Definisi 1: (Peressini 1988)Definisi 1: (Peressini,1988)Misalkan sebuah matriks simetri ijaMisalkan sebuah matriks simetri
maka matriks positif tegas (definite positive) jika dan hanya jika semua nilai
ija
nn ija
positive) jika dan hanya jika semua nilai eigennya positif . Untuk negatif tegas didefinisikan secara analogdidefinisikan secara analog.
Teorema 1.(halaman 358, Johnson and Wichern, 2007)
Sebutlah matriks X = [X Xp] adalah matriksSebutlah matriks X = [X1, . . . , Xp] adalah matriks yang vektor‐vektor kolomnya adalah vektor random (dianggap berdistribusi normal) yang mempunyai matriks kovariansi (simetris dan positif tegas (positive definite)) dengan nilai eigen dan sebutlah vektor eigen yang bersesuaian untuk setiap
0 vektor eigen yang bersesuaian untuk setiap adalah yang saling ortogonal. Komponen
prinsip ke‐i adalah
0...21 p0...21 p
pee ,...,1 p, ,1
,...22111 ppiiT
ii XeXeXeXeY
i= 1,2,...,p (1.a)
Dengan pemilihan ini g p
V i 1 2 (1 b)T eeY
)(Var , i =1,2,...,p (1.b)iiii eeY )(
Cov = , . (1.c) ki YY , 0 kTi ee
0 kTi ee
Bukti : (halaman 358, Johnson and Wichern, 2002) .
METODE PENELITIANMETODE PENELITIAN• Data : data saham Januari 2008 – 2010. Data setiap vektor-
vektor kolom dianggap sebagai variabel random yangvektor kolom dianggap sebagai variabel random yang berdistribusi normal.
• Menyusun matriks kovariansi M hit il i i d kt i V kt i• Menghitung nilai eigen dan vektor eigen Vektor eigen sebagai penyusun koefisien pada komponen prinsip.
• Menyatakan variabel prinsip sebagai kombinasi linear dari variabel mula-mula
• Menentukan koefisisen korelasi antara komponen prinsip dan variabel mula mula dengan persamaandan variabel mula mula dengan persamaan
ppiiT
ii XeXeXeXeY ...22111
Tabel 4. Matriks kovariansi (S)4. ANALISA DANPEMBAHASANTabel 4. Matriks kovariansi (S)
1S 2S 3S 4S 5S 8S6S 7S
PEMBAHASAN
1S 2S 3 4S 5S 8S6S 7S
0.0251 0.0292 0.0285 0.0229 0.0250 0.0287 0.0010 0.0227
0.0292 0.0471 0.0445 0.0420 0.0402 0.0354 0.0011 0.0268
0 0285 0 0445 0 0644 0 0397 0 0382 0 0346 0 0047 0 02800.0285 0.0445 0.0644 0.0397 0.0382 0.0346 0.0047 0.0280
0.0229 0.0420 0.0397 0.0398 0.0363 0.0286 0.0034 0.0213
0.0250 0.0402 0.0382 0.0363 0.0356 0.0303 0.0024 0.0232
0.0287 0.0354 0.0346 0.0286 0.0303 0.0346 0.0031 0.0256
0.0010 0.0011 0.0047 0.0034 0.0024 0.0031 0.0357 0.0008
0.0227 0.0268 0.0280 0.0213 0.0232 0.0256 0.0008 0.0238
Tampak bahwa matriks kovariansi S adalah matriks simetris. Kita dapat mencari nilai eigen sebagaimana ditunjukkan pada Bab 2 dan dengan menggunakan bantuan MATLAB maka nilai eigen adalahbantuan MATLAB maka nilai eigen adalah
87654321
Sedangkan vektor eigen untuk tiap nilai eigen
diperoleh berturut‐turut ditunjukkan tiap kolom pada
0003.00006.00008.00029.00154.00191.00358.02312.0
87654321
p j p pTabel 5 dan dapat ditunjukkan bahwa vektor eigen tersebut saling ortonormal.
Tabel 5. Nilai Vektor eigen untuk data Tabel 3Tabel 5. Nilai Vektor eigen untuk data Tabel 3
1u 2u 3u 4u 5u 6u 7u 8u
0.4043 0.6699 0.1841 ‐0.1714 ‐0.2206 0.4298 ‐0.0566 0.2965
‐0.6881 0.3835 ‐0.2473 ‐0.0466 0.3426 ‐0.0002 ‐0.0703 0.4402
1u 2u 3u 4 5u 6 7 8u
0.6881 0.3835 0.2473 0.0466 0.3426 0.0002 0.0703 0.4402
0.0070 0.0086 0.0249 ‐0.0667 ‐0.5731 ‐0.6643 0.0763 0.4683
0.5947 ‐0.0871 ‐0.3955 0.1113 0.5286 ‐0.2029 0.0152 0.3861
‐0.0354 ‐0.2525 0.8242 0.0760 0.3240 0.0055 ‐0.0212 0.3800
‐0.0487 ‐0.5485 ‐0.2184 ‐0.5459 ‐0.1750 0.4399 ‐0.0096 0.3562
0 0402 0 0456 0 0044 0 0324 0 0360 0 1035 0 9910 0 0336‐0.0402 0.0456 0.0044 0.0324 0.0360 0.1035 0.9910 0.0336
‐0.0635 ‐0.1726 ‐0.1445 0.8043 ‐0.2987 0.3585 ‐0.0563 0.2785
Oleh karena itu komponen prinsip adalahp p p
876543211 0635.00402.00487.00354.05947.00070.06881.04043.0 XXXXXXXXY
876543212 1726.00456.05485.02525.00871.00086.03835.06699.0 XXXXXXXXY
876543213 1445.00044.02184.08242.03955.00249.02473.01841.0 XXXXXXXXY
876543214 8043.00324.05459.00760.01113.00667.00466.01714.0 XXXXXXXXY 876543214 8043.00324.05459.00760.01113.00667.00466.01714.0 XXXXXXXXY
876543215 2987.00360.01750.03240.05286.05731.03426.02206.0 XXXXXXXXY
876543216 3585.01035.04399.00055.02029.06643.00002.04298.0 XXXXXXXXY
876543217 0563.09910.00096.00212.00152.00763.00703.00566.0 XXXXXXXXY
876543218 2785.00336.03562.03800.03861.04683.04402.02965.0 XXXXXXXXY
Dapat ditunjukkan bahwa dan saling bebas linear ,
i,j=1,..,8. Oleh karena itu sebagaimana disebutkan pada Bab 2 diperoleh bahwa Cov( ) = 0
iY jY
YYdiperoleh bahwa Cov( , ) = 0. jYiY
Untuk selanjutnya korelasi antara antara komponen prinsip t d i b l l l b t t t t d l hpertama dan variabel mula‐mula berturut‐turut adalah
= 0.0442; = 0.0419; = 0.0027
11
111, 11 s
eXY
22
121, 21 s
eXY
33
131, 31 s
eXY
= 0.0301; = 0.2132; = 0.326644
141, 41 s
eXY
55
151, 51 s
eXY
66
121, 61 s
eXY
= 0.9931; = 0.868277
121, 71 s
eXY
88
121, 81 s
eXY
Karena nilai korelasi variabel ( properti ) dan
( perdagangan ) dekat dengan 1, maka variabel dan sebagai variabel yang paling berpengaruh terhadap nilai saham
7X 8X
8X7Xvariabel yang paling berpengaruh terhadap nilai saham.
Kesimpulan dan SaranKesimpulan dan Saran
Pada makalah ini ini telah ditunjukkan analisavariabel dengan menggunakan Principal ComponentAnalysis untuk 8 variabel mengenai sektor – sektor yangmemiliki nilai sahan cukup tinggi Variabel tersebutmemiliki nilai sahan cukup tinggi. Variabel tersebutadalah pertanian, industri dasar, aneka industri, barangkonsumsi, keuangan, pertambangan, properti, danperdagangan. Seluruh variabel diuji untuk mendapatkanvariabel yang dominan. Diperoleh bahwa properti danperdagangan adalah variabel yang dominan yangperdagangan adalah variabel yang dominan yangditunjukkan dengan variansi terbesar melalui PrincipalComponent Analysis.