PROPERTY DAN PERDAGANGAN SEBAGAI
SEKTOR DOMINAN PADA DATA BURSA SAHAM
DENGAN Principal Component Analysis (PCA)
Oleh :
Hanna A Parhusip, Deva Widyanantoa a a us p, e a dya a to da1 dan Bernadeta Desinova Kre adeta es o a 2
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
Masalah
Masalah
Data dengan variabel banyak dapat membingungkan
dalam formulasi masalah
pada suatu model matematika
pada 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
d
Principal Component Analysis
Secara aljabar PCA
j
merupakan suatu kombinasi linear
p
khusus untuk p variabel random X
1, . . . , Xp. Secara
geometri, kombinasi linear menyatakan pemilihan
sistem koordinat baru yang diperoleh dari merotasi
sistem koordinat baru yang diperoleh dari merotasi
sistem mula‐mula X
1, . . . , Xp sebagai sumbu‐sumbu
koordinat. Sumbu koordinat yang baru sangat
d
k k
(
k
tergantung dari matriks kovariansi. (atau matrik
korelasi). Matriks kovariansi pada makalah ini
disimbolkan dan haruslah positif tegas (
p
g
(
positive
p
definite
). Istilah ini dijelaskan pada Definisi 1.
Def
inisi 1: (
Peressini
1988)
Def
inisi 1: (
Peressini
,1988)
Misalkan
sebuah matriks simetri
a
ijMisalkan sebuah matriks simetri
maka matriks
positif tegas (
definite
positive
) jika dan hanya jika semua nilai
a
ij
n
n
a
ijpositive
) jika dan hanya jika semua nilai
eigennya positif . Untuk negatif tegas
didefinisikan secara analog
didefinisikan secara analog.
Teo
rema 1.
(halaman 358,
Johnson and Wichern
, 2007)
Sebutlah matriks X = [X
Xp] adalah matriks
Sebutlah matriks X = [X
1, . . . , 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
...
2 1
p
0
...
2 1
p
pe
e
11,...,
, ,
p,
...
2 21 1 1i pi p T i ie
X
e
X
e
X
e
X
Y
i= 1,2,...,p (1.a)De
ngan pem
g
p
ilih
an ini
V
(
Y
)
e
T
e
i 1 2
(1 b)
Var
(
Y
i)
e
i
e
i
i, i =1,2,...,p
(1.b)
Cov
Y ,
iY
k
=
k
0
,
. (1.c)
T ie
e
e
iT
e
k
0
M
ETODE PEN
ELITI
AN
M
ETODE PEN
ELITI
AN
• Data : data saham Januari 2008 – 2010. Data setiap
vektor-vektor kolom dianggap sebagai variabel random yang
vektor 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 persamaan
dan variabel mula mula dengan persamaan
p pi i T i i
e
X
e
X
e
X
e
X
Y
1 1
21 2
...
T
abel 4.
Mat
riks kovaria
ns
i (
S
)
4.
A
NALI
SA DAN
PEM
BAHAS
AN
T
abel 4.
Mat
riks kovaria
ns
i (
S
)
1
S
S
2S
3S
4S
5S
6S
7S
8PEM
BAHAS
AN
1S
S
2 3S
4S
5S
6S
7S
8 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 0280 0.0285 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 0.0238Tampak 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
adalah
bantuan
MATLAB
maka nilai
eigen
adalah
1 2 3 4 5 6 7 8
Sedangkan vektor eigen untuk tiap nilai eigen
diperoleh berturut‐turut ditunjukkan tiap kolom pada
0
.
2312
0
.
0358
0
.
0191
0
.
0154
0
.
0029
0
.
0008
0
.
0006
0
.
0003
8 7 6 5 4 3 2 1
p
j
p
p
Tabel 5 dan dapat ditunjukkan bahwa
vektor eigen
T
abel
5
. Nilai Vektor
eigen
untuk data Tabel
3
T
abel
5
. Nilai Vektor
eigen
untuk data Tabel
3
1
u
u
2u
3u
4
5u
u
6
7u
u
8 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
u
2u
3 4u
5 6 7u
8 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 0.2785Ol
eh karena itu
kom
ponen p
p
p
ri
nsip a
p
d
alah
8 7 6 5 4 3 2 1 1 0.4043 X 0.6881X 0.0070 X 0.5947 X 0.0354 X 0.0487 X 0.0402 X 0.0635 X Y 8 7 6 5 4 3 2 1 2 0.6699 X 0.3835 X 0.0086 X 0.0871X 0.2525 X 0.5485 X 0.0456 X 0.1726 X Y 8 7 6 5 4 3 2 1 3 0.1841X 0.2473 X 0.0249 X 0.3955 X 0.8242 X 0.2184 X 0.0044 X 0.1445 X Y 8 7 6 5 4 3 2 1 4 0.1714 X 0.0466 X 0.0667 X 0.1113 X 0.0760 X 0.5459 X 0.0324 X 0.8043 X Y4 0.1714 X1 0.0466 X2 0.0667 X3 0.1113 X4 0.0760 X5 0.5459 X6 0.0324 X7 0.8043 X8 Y 8 7 6 5 4 3 2 1 5 0.2206 X 0.3426 X 0.5731X 0.5286 X 0.3240 X 0.1750 X 0.0360 X 0.2987 X Y 8 7 6 5 4 3 2 1 6 0.4298 X 0.0002 X 0.6643 X 0.2029 X 0.0055 X 0.4399 X 0.1035 X 0.3585 X Y 8 7 6 5 4 3 2 1 7 0.0566 X 0.0703 X 0.0763 X 0.0152 X 0.0212 X 0.0096 X 0.9910 X 0.0563 X Y 8 7 6 5 4 3 2 1 8 0.2965 X 0.4402 X 0.4683 X 0.3861X 0.3800 X 0.3562 X 0.0336 X 0.2785 X Y Dapat ditunjukkan bahwa dan saling bebas linear ,
i,j=1,..,8. Oleh karena itu sebagaimana disebutkan pada Bab 2
diperoleh bahwa Cov(
) = 0
i
Y
jY
Y
Y
diperoleh bahwa Cov( , ) = 0.
Y
iY
jUntuk s
e
lanjutnya k
or
elasi antara antara komponen prinsip
t
d
i b l
l
l b t
t t
t d l h
pertama dan variabel mula‐mula bert
u
rut‐turut adalah
= 0.0442; = 0.0419; = 0.0027 11 1 11 , 1 1 s e X Y
22 1 21 , 2 1 s e X Y
33 1 31 , 3 1 s e X Y = 0.0301; = 0.2132; = 0.3266 44 1 41 , 4 1 s e X Y
55 1 51 , 5 1 s e X Y
66 1 21 , 6 1 s e X Y = 0.9931; = 0.8682 77 1 21 , 7 1s
e
X Y
88 1 21 , 8 1s
e
X Y
Karena nilai kor
ela
si variabel (
pr
operti ) dan
( perdaga
n
gan ) dekat dengan 1, m
a
ka variabel dan sebagai
var
ia
bel yang paling berpeng
ar
uh terhadap nilai s
ah
am
7 X