IMPLEMENTASI MODEL MARKOV SWITCHING REGRESSION DENGAN PENDEKATAN BEST SUBSET UNTUK ANALISIS PREDIKTOR SAHAM BSI

Saham merupakan bukti kepemilikan modal atau dana pada sebuah perusahaan atau institusi yang ditunjukkan oleh sebuah dokumen yang mencantumkan nilai nominal, nama perusahaan, serta hak dan kewajiban yang dijelaskan kepada setiap pemegangnya. Banyak sekali faktor-faktor yang mempengaruhi naik turunnya saham, para investor perlu memperhatikan faktor-faktor yang mempengaruhi agar tidak mengalami kerugian dan mendapatkan keuntungan dari jual beli saham. Tujuan dalam penelitian ini untuk mengetahui pengaruh naik turunya close price saham BSI dan hasil estimasi dari pemodelan Markov Switching Regression dengan pendekatan Best Subset. Pemodelan yang dilibatkan pada penelitian ini adalah Markov Switching Regression dengan pendekatan Best Subset. Data sekunder didapatkan dari dari website yahoo finance untuk data close price saham BSI pada tahun, data inflasi, BI rate, kurs jual, dan jumlah uang beredar didapatkan dari website Bank Indonesia,dan data PDB didapatkan dari website Badan Pusat Statistik. Data yang digunakan data time series tahun 2021-2022. Hasil dari kajian ini diketahui pemodelan Markov Switching Regression dapat mengidentifikasi kelayakan regim sebagai periode “bull” and “bear”. Pada state 1 menunjukkan periode turun atau “bear”, sedangkan pada state 2 menunjukkan periode naik atau “bull”. Pada pendekatan best subset didapatkan model terbaik dengan nilai AIC minimum, dan dari hasil penelitian ini disimpulkan hasil pemodelan hasil statistik dari close price saham BSI diperoleh prediktor yang dignifikan pada periode “bull” dan “bear” yaitu variabel yaitu inflasi dan PDB.