Regresi nonparametrik spline truncated untuk memodelkan inflasi di Indonesia

INDONESIA:

Analisis regresi merupakan salah satu metode yang digunakan untuk mengetahui dan memodelkan pola hubungan yang terbentuk antara variabel prediktor dan variabel respon. Analisis regresi yang digunakan saat pola hubungan yang terbentuk antara variabel prediktor dan variabel respon tidak mengikuti pola tertentu adalah regresi nonparametrik. Penelitian ini menerapkan metode regresi nonparametrik spline truncated pada kasus inflasi yang terjadi di Indonesia. Tujuan penelitian ini untuk memodelkan inflasi di Indonesia beserta 3 faktor-faktor yang mempengaruhinya, yaitu suku bunga Sertifikat Bank Indonesia (SBI), nilai tukar (kurs) rupiah terhadap dollar US (USD) dan Jumlah Uang Beredar (JUB). Hasil pemodelan regresi nonparametrik berdasarkan nilai Generalized Cross Validation (GCV) minimum yang diperoleh pada penelitian ini menggunakan tiga titik knot, dengan nilai GCV minimum sebesar 0,1326299. Model yang terbentuk dari regresi nonparametrik spline truncated dengan tiga titik knot adalah sebagai berikut:
y ̂_i=1.12-0.62x_1i+12.38(x_1i+0.25791)_+-12.10(x_1i+0.20232)_++0.60(x_1i-0.85387)_++0.36x_2i-5.60(x_2i+0.45703)_++6.31(x_2i+0.36518)_+-2.53(x_2i-1.379897)_++1.00x_3i-29.03(x_3i+0.66239)_++28.45(x_3i+0.59035)_++2.33(x_3i-0.778418)_+
Model terbaik yang dihasilkan di atas memiliki nilai koefisien determinasi sebesar 92,80% yang berarti bahwa variabel prediktor mampu menjelaskan variasi variabel respon inflasi sebesar 92,80% selebihnya dipengaruhi faktor lainnya.

ENGLISH:

Regression analysis is one of the methods used to identify and model the pattern of relationships formed between predictor variables and response variables. The regression analysis used when the relationship pattern formed between the predictor variable and the response variable does not follow a certain pattern is nonparametric regression. This study applies a truncated spline nonparametric regression method to the case of inflation that occurred in Indonesia. The purpose of this research is to model inflation in Indonesia and the 3 factors that influence it, namely Interest Rate of Bank Indonesia Certificate, Exchange Rate (USD to IDR), and Money Supply. The results of nonparametric regression modeling based on the minimum Generalized Cross Validation (GCV) value obtained in this study using three knot points, with a minimum GCV value of 0.1326299. The model formed by the truncated spline nonparametric regression with three optimum knot points is as follows:
y ̂_i=1.12-0.62x_1i+12.38(x_1i+0.25791)_+-12.10(x_1i+0.20232)_++0.60(x_1i-0.85387)_++0.36x_2i-5.60(x_2i+0.45703)_++6.31(x_2i+0.36518)_+-2.53(x_2i-1.379897)_++1.00x_3i-29.03(x_3i+0.66239)_++28.45(x_3i+0.59035)_++2.33(x_3i-0.778418)_+
The best model produced above has a coefficient of determination of 92.80%, which means that the predictor variable is able to explain the variation in the inflation response variable of 92.80%, the rest is influenced by other factors.

ARABIC:

يعد تحليل الانحدار إحدى الطرق المستخدمة لتحديد ونمذجة نمط العلاقات المتكونة بين متغيرات التوقع ومتغيرات الاستجابة. تحليل الانحدار المستخدم عندما يكون نمط العلاقة المتكون بين متغير التوقع ومتغير الاستجابة لا يتبع نمطًا معينًا هو الانحدار اللامعلمي. تطبق هذه الدراسة طريقة الانحدار اللامعلمي المقطوع في حالة التضخم الذي حدث في إندونيسيا. الغرض من هذه الدراسة هو نمذجة التضخم في إندونيسيا والعوامل الثلاثة التي تؤثر عليه ، وهي أسعار الفائدة على شهادات بنك إندونيسيا (SBI) ، وسعر صرف الروبية مقابل الدولار الأمريكي (USD) ومقدار الأموال المتداولة .(JUB) استخدمت نتائج نمذجة الانحدار اللامعلمي المستندة إلى الحد الأدنى من قيم التحقق من الصحة العامة (GCV) التي تم الحصول عليها في هذه الدراسة ٣ نقاط عقدة ، مع قيمة GCV دنيا تبلغ ٠٫١٣٢٦٢٩٩. النموذج المتكون من انحدار غير معلمي مقطوع مع ٣ نقاط عقدة على النحو التالي:
y ̂_i=1.12-0.62x_1i+12.38(x_1i+0.25791)_+-12.10(x_1i+0.20232)_++0.60(x_1i-0.85387)_++0.36x_2i-5.60(x_2i+0.45703)_++6.31(x_2i+0.36518)_+-2.53(x_2i-1.379897)_++1.00x_3i-29.03(x_3i+0.66239)_++28.45(x_3i+0.59035)_++2.33(x_3i-0.778418)_+
أفضل نموذج تم إنتاجه أعلاه له معامل تحديد ٪ ٩٢٫٨٠ ، مما يعني أن المتغير المتنبئ قادر على تفسير التباين في متغير استجابة التضخم بنسبة ٪ 92.80 ، والباقي يتأثر بعوامل أخرى.