Regresi nonparametrik penalized spline untuk memodelkan inflasi di Indonesia

INDONESIA:

Data inflasi merupakan salah satu data di bidang ekonomi yang bersifat fluktuatif. Sifat fluktuatif tersebut dikarenakan adanya faktor-faktor yang mempengaruhinya sehingga menyebabkan pola hubungan pada data tidak membentuk pola tertentu. Jenis analisis regresi yang dapat digunakan untuk memodelkan data inflasi yang tidak membentuk pola tertentu adalah regresi nonparametrik. Salah satu metode untuk mengestimasi fungsi pada regresi nonparametrik adalah penalized spline. Metode penalized spline mengestimasi fungsi regresi nonparametrik dengan mempertimbangkan parameter penghalus. Model regresi nonparametrik penalized spline optimal diperoleh berdasarkan nilai GCV minimum. Penelitian ini memodelkan inflasi di Indonesia menggunakan regresi nonparametrik penalized spline pada data bulanan periode Januari 2019-Desember 2022. Hasil penelitian ini menunjukkan bahwa keakuratan model regresi nonparametrik penalized spline dalam menjelaskan faktor-faktor yang mempengaruhi inflasi di Indonesia dikatakan sangat akurat dengan nilai koefisien determinasi yang diperoleh sebesar 0,9137. Nilai koefisien determinasi tersebut menunjukkan bahwa variabel suku bunga SBI 〖(X〗_1), kurs valuta asing 〖(X〗_2), dan jumlah uang beredar 〖(X〗_3), yang digunakan pada penelitian ini berpengaruh terhadap tingkat inflasi di Indonesia sebesar 91,37% dan sisanya dipengaruhi oleh variabel lain. Hasil model regresi nonparametrik penalized spline yang diperoleh yaitu
Y ̂=-0,2872+0,5537X_1-1,9182X_1^2+1,3696X_1^3-5,369×〖10〗^(-7) (X_1-0,3333)^3-4,8914×〖10〗^(-7) (〖X_1-0,6667)〗_+^3+0,2015+0,7889X_2-5,2383X_2^2+13,1512X_2^3-8,7395X_2^4+7,4132×〖10〗^(-8) (〖X_2-0,2831)〗_+^4+0,3089+3,6045X_3-15,683X_3^2+0,4875(X_3-0,1275)^2+41,2352(X_3-0,2705)^2-37,1177(X_3-0,4067)
^2+23,2111(X_3-0,5537)^2-26,0922(〖X_3-0,7672)〗_+^2

ENGLISH:

Inflation data is one of the fluctuating data in the field of economics. This fluctuating nature is caused by factors that influence it, resulting in no definite pattern in the data relationship. One type of regression analysis that can be used to model non-patterned inflation data is nonparametric regression. One method to estimate the function in nonparametric regression is penalized spline. Penalized spline estimates the nonparametric regression function by considering smoothing parameters. The optimal nonparametric penalized spline regression model is obtained based on the minimum GCV value. This study is to model inflation in Indonesia using nonparametric penalized spline regression of data from January 2019 to December 2022. The results show that the accuracy of the nonparametric penalized spline regression model in explaining the factors that influence inflation in Indonesia is very accurate with a coefficient of determination of 0,9137. This coefficient of determination indicates that SBI rate variable 〖(X〗_1), foreign exchange rates 〖(X〗_2), and the amount of money in circulation 〖(X〗_3) that used in the study have an impact on the inflation rate in Indonesia by 91,37%, and the remaining is influenced by other variables. The result of the nonparametric penalized spline regression model obtained is
Y ̂=-0,2872+0,5537X_1-1,9182X_1^2+1,3696X_1^3-5,369×〖10〗^(-7) (X_1-0,3333)^3-4,8914×〖10〗^(-7) (〖X_1-0,6667)〗_+^3+0,2015+0,7889X_2-5,2383X_2^2+13,1512X_2^3-8,7395X_2^4+7,4132×〖10〗^(-8) (〖X_2-0,2831)〗_+^4+0,3089+3,6045X_3-15,683X_3^2+0,4875(X_3-0,1275)^2+41,2352(X_3-0,2705)^2-37,1177(X_3-0,4067)
^2+23,2111(X_3-0,5537)^2-26,0922(〖X_3-0,7672)〗_+^2

ARABIC:

بيانات التضخم هي إحدى من البيانات في المجال الاقتصادي التي تتقلب. ترجع الطبيعة المتقلبة إلى العوامل التي تؤثر عليها ، مما تسبب في عدم تشكيل نمط العلاقات في البيانات لنمط معين. نوع تحليل الانحدار الذي يمكن استخدامه لنمذجة بيانات التضخم التي لا تشكل نمطًا معينًا هو الانحدار اللامعلمي. إحدى الطرق لتقدير الوظيفة في تحليل اللابارامترى هي فنلزد سفلين. الطريقة فنلزد سفلين تقدروظيفة تحليل اللابارامترى من خلال مراعاة معلمات التنعيم. يتم الحصول على نموذج تحليل اللابارامترى فنلزد سفلين الأمثل بناءً على الحد الأدنى من قيمةغيجيفي .تعمل هذە الدراسة على نماذج التضخم في إندونيسيا باستخدام تحليل اللابارامترى فنلزد سفلين على بيانات الشهرية للفتراتمن يناير ٢٠١٩ إلى ديسمبر٢٠٢٢. وتشير نتائج هذه الدراسة إلى أن دقة نموذج تحليل اللابارامترى فنلزد سفلين في شرح العوامل التي تؤثر على التضخم في إندونيسيا يقال إنها جيدة جدًا تم الحصول على معامل تحديد القيمة ٠،٩١٣٧. تشيرقيمة معامل التحديدإلى أن متغيرسعرالفائدة ،وسعرالصرف الأجنبي،وعرض النقود،والتي يتم استخدامها في هذە الد راسة لها التأثير على معدل التضخم في إندونيسيا بنسبة٩١،٤٧ والباقي يتأثر بالمتغيرات المستقلة الأخرى. نتائجنموذج تحليل اللابارامترى فنلزد سفلين التي تم الحصول عليهاهي
Y ̂=-0,2872+0,5537X_1-1,9182X_1^2+1,3696X_1^3-5,369×〖10〗^(-7) (X_1-0,3333)^3-4,8914×〖10〗^(-7) (〖X_1-0,6667)〗_+^3+0,2015+0,7889X_2-5,2383X_2^2+13,1512X_2^3-8,7395X_2^4+7,4132×〖10〗^(-8) (〖X_2-0,2831)〗_+^4+0,3089+3,6045X_3-15,683X_3^2+0,4875(X_3-0,1275)^2+41,2352(X_3-0,2705)^2-37,1177(X_3-0,4067)
^2+23,2111(X_3-0,5537)^2-26,0922(〖X_3-0,7672)〗_+^2