Regresi nonparametrik kernel menggunakan penaksir Priestley-Chao untuk memodelkan inflasi di Indonesia

INDONESIA:

Analisis regresi pada kajian statistika didefinisikan sebagai suatu metode untuk menganalisis variabel prediktor dan variabel respon. Untuk memperkirakan kurva regresi dapat digunakan dua jenis pendekatan, yaitu regresi parametrik dan regresi nonparametrik. Penelitian ini memodelkan inflasi berdasarkan tiga faktor yang memengaruhinya, di antaranya suku bunga, kurs rupiah terhadap dollar Amerika Serikat, serta Jumlah Uang Beredar (JUB) menggunakan metode regresi nonparametrik kernel dengan penaksir Priestley-Chao dan fungsi triangle. Hasil penelitian menunjukkan bahwa model regresi nonparametrik kernel dengan penaksir Priestley-Chao dan fungsi triangle terbaik menghasilkan GCV minimum sebesar 0,004784 dengan nilai bandwidth masing-masing sebesar 10, yaitu
y_i=∑_(i=1)^n▒∏_(j=1)^3▒〖((x_ji-x_j(i-1) )/10 ((1-|(x_j-x_ji)/10|)I)) y_i+ε_i 〗. Hasil keakuratan model terbaik yang diperoleh secara parsial diperoleh nilai masing-masing, yaitu 0,6068, 0,6105, dan 0,6229 dimana ketiga nilai tersebut dalam kategori cukup akurat. Adapun diperoleh nilai koefisien determinasi sebesar 0,7993 untuk uji serentak. Hal ini menunjukkan bahwa variabel prediktor yang digunakan pada penelitian ini memberikan sumbangan sebesar 79,93% terhadap variabel respon.

ENGLISH:

Regression analysis in statistical studies is defined as a method to analyze predictor variables and response variables. To estimate the regression curve, two types of approaches can be used, namely parametric regression and nonparametric regression. The study models inflation based on three factors that influence it, including interest rates, the exchange rate of the rupiah against the US dollar, and the amount of money in circulation using the kernel nonparametric regression method with the Priestley-Chao estimator and triangle function. The results showed that the kernel nonparametric regression model with the Priestley-Chao estimator and the best triangle function produced a minimum GCV of 0,004784 with a bandwidth value of 10 each, namely y_i=∑_(i=1)^n▒∏_(j=1)^3▒〖((x_ji-x_j(i-1) )/10 ((1-|(x_j-x_ji)/10|)I)) y_i+ε_i 〗. The best model accuracy results obtained partially obtained respective values, namely 0,6068, 0,6105, and 0,6229, which are the three values in the reasonably accurate category. The coefficient of determination is 0,7993 for the simultaneous test. This shows that the predictor variables used in this study contributed of 79,93% on the response variable.

ARABIC:

يعرّف تحليل الانحدار في الدراسات الإحصائية بأنه طريقة لتحليل متغيرات التنبؤ ومتغيرات الاستجابة. لتقدير منحنى الانحدار، يمكن استخدام طريقتين، وهما الانحدار البارامتي والانحدار اللامعلمي. تقوم هذه الدراسة بنمذجة التضخم بناءً على ثلاثة عوامل مؤثرة، بما في ذلك أسعار الفائدة وسعر صرف الروبية مقابل الدولار الأمريكي وعرض النقود باستخدام طريقة انحدار kernel اللامعلمية مع مقدر Priestley-Chao ودالة المثلث. أوضحت النتائج أن نموذج الانحدار اللامعلمي kernel باستخدام مقدر Priestley-Chao وأفضل دالة للمثلث أنتج قيمة GCV بحد أدنى ٠٫٠٠٤٧٨٤ مع قيمة عرض نطاق ١٠ لكل منهما
y_i=∑_(i=1)^n▒∏_(j=1)^3▒〖((x_ji-x_j(i-1) )/10 ((1-|(x_j-x_ji)/10|)I)) y_i+ε_i 〗 . تم الحصول على أفضل نتائج دقة النموذج التي تم الحصول عليها جزئيًا ، وهي ٠٫٦٠٦٨ و ٠٫٦١٠٥ و ٠٫٦٢٢٩ حيث تكون القيم الثلاثة في فئة دقيقة إلى حد ما. معامل التحديد هو٠٫٧٩٩٣ للاختبار المتزامن. يوضح هذا أن متغيرات التوقع المستخدمة في هذا الدراسة ساهم بنسبة %٧٩٫٩٣ على متغير الاستجابة.