Regresi nonparametrik kernel dengan pendekatan fungsi Gaussian untuk memodelkan inflasi di Indonesia

INDONESIA:

Inflasi merupakan proses meningkatnya harga-harga barang secara umum dan berkaitan dengan mekanisme pasar. Inflasi di Indonesia berfluktuasi dari waktu ke waktu. Sehingga menunjukkan adanya ketidakstabilan. Data inflasi yang fluktuatif dapat dimodelkan dengan menggunakan regresi nonparametrik salah satunya yaitu regresi kernel karena memiliki bentuk yang lebih fleksibel dan secara matematik mudah dikerjakan. Penelitian ini, menggunakan regresi nonparametrik kernel dengan estimator Nadaraya-Watson untuk data inflasi di Indonesia. Fungsi kernel yang digunakan dalam penelitian ini adalah fungsi kernel Gaussian. Data yang digunakan adalah data inflasi dan faktor yang mempengaruhi inflasi yaitu suku bunga, kurs, dan jumlah uang beredar periode Januari 2020 hingga Desember 2022. Berdasarkan hasil penelitian menunjukkan bahwa model regresi nonparametrik kernel dengan estimator Nadaraya-Watsoni dan fungsi Gaussian menghasilkan Generalized Cross Validation (GCV) optimal sebesar dengan nilai bandwidth . Keakuratan model terbaik yang diperoleh dari nilai (Mean Absolute Error) MAE sebesar 0,14 yang menunjukkan bahwa semua model prefiktor yang diperoleh memiliki akurasi yang baik karena nilainya mendekati 0. Adapun manfaat yang bisa diperoleh sebagai tambahan informasi serta bahan pertimbangan untuk menentukan kebijakan moneter khususnya di Indonesia.

ENGLISH:

Inflation is the process of increasing the prices of goods in general and is related to market mechanisms. Inflation in Indonesia fluctuates from time to time. So that indicates the presence of instability. Fluctuating inflation data can be modeled using nonparametric regression, one of which is kernel regression because it has a more flexible form and is mathematically easy to work with. This study used kernel nonparametric regression with Nadaraya-Watson estimator for inflation data in Indonesia. The kernel function used in this study is the Gaussian kernel function. The data used are inflation data and factors that affect inflation, namely interest rates, exchange rates, and money supply for the period January 2020 to December 2022. Based on the results of the study showed that the kernel nonparametric regression model with the Nadaraya-Watsoni estimator and Gaussian function produced an optimal Generalized Cross Validation (GCV) equal to the bandwidth value . The best model accuracy obtained from the MAE (Mean Absolute Error) value of 0.14 which shows that all prefixor models obtained have good accuracy because the value is close to 0. The benefits that can be obtained as additional information and consideration material to determine monetary policy, especially in Indonesia.

ARABIC:

التضخم هو عملية زيادة أسعار السلع بشكل عام ويرتبط بآليات السوق. يتقلب التضخم في إندونيسيا من وقت لآخر. وهذا يدل على وجود عدم الاستقرار. إذا تم نمذجة بيانات التضخم المتقلبة باستخدام الانحدار اللامعلمي ، فإن أحدها هو انحدار النواة لأنه يحتوي على شكل أكثر مرونة ويسهل التعامل معه رياضيا. استخدمت هذه الدراسة الانحدار اللامعلمي للنواة مع مقدر نادارايا-واتسون adaraya-Watson)N( لبيانات التضخم في إندونيسيا. طريقة انحدار النواة )kernel( هي إحدى الطرق في الانحدار اللامعلمي المستخدمة لنمذجة البيانات باستخدام وظائف النواة )kernel(. دالة النواة المستخدمة في هذه الدراسة هي دالة نواة غاوسية. البيانات المستخدمة هي بيانات التضخم والعوامل التي تؤثر على التضخم وهي (أسعار الفائدة وأسعار الصرف وعرض النقود) للفترة من يناير٢٠٢٠ إلى ديسمبر ٢٠٢٢. وبناءً على نتائج البحث، تبين أن نموذج الانحدار اللامعلمي للنواة مع ينتج مقدر نادارايا واتسون وظيفة غاوسي عن تحقق أمثل معممًا عبر المصادقة (GCV) يبلغ ٠٬١٣٩٥٥٨ مع قيمة عرض النطاق الترددي ہ١=ہ٢=ہ٣=١٠.أفضل دقة نموذج تم الحصول عليها من قيمة MAE (متوسط الخطأ المطلق) البالغة ٠٬١٤ والتي توضح أن جميع نماذج البادئة التي تم الحصول عليها تتمتع بدقة جيدة لأن القيمة قريبة من 0. الفوائد التي يمكن الحصول عليها كمعلومات إضافية ومواد الاعتبار لتحديد السياسة النقدية ، وخاصة في إندونيسيا.