Regresi semiparametrik menggunakan metode B-Spline untuk memodelkan inflasi di Indonesia

ABSTRAK

Regresi semiparametrik menggabungkan elemen parametrik dan nonparametrik, memberikan fleksibilitas lebih besar dalam mengatasi pola data kompleks dan nonlinier. Metode B-Spline, sebagai fungsi basis dengan banyak segmen polinomial, memberikan fleksibilitas tinggi dalam menangkap bentuk fungsional yang kompleks. Penelitian ini bertujuan untuk mengetahui model regresi semiparametrik B-Spline untuk faktor-faktor yang mempengaruhi inflasi di Indonesia, mengetahui keakuratan modelnya menggunakan Mean Absolute Percentage Error (MAPE) dan memprediksi Inflasi di Indonesia. Inflasi digunakan sebagai variabel respon dalam penelitian ini, sementara BI Rate dan kurs dijadikan variabel prediktor yang mempengaruhinya. Penelitian menghasilkan model regresi semiparametrik B-Spline terbaik adalah orde 2, yang ditentukan berdasarkan titik knot optimal sebesar 0,065, yang diperoleh dari nilai GCV minimum sebesar 0,0001680770. Keakuratan model diukur menggunakan MAPE, dengan hasil 27,64889579%. menunjukkan hubungan yang cukup kuat antar variabel. Prediksi inflasi dengan regresi semiparametrik B-Spline terbaik untuk Januari hingga Mei 2024 adalah 0,026339723 (2.63), 0,024342182 (2.43), 0,024990414 (2.49), 0,024042727 (2.40), dan 0,029497937 (2.94).

ABSTRACT

Semiparametric regression combines parametric and nonparametric elements, providing greater flexibility in handling complex and nonlinear data patterns. The B-Spline method, as a basis function with multiple polynomial segments, offers high flexibility in capturing complex functional shapes. The purpose of this research is to tell the model of semiparametric B-Spline regression on the factors that affect inflation in Indonesia and to tell the accuracy of the model using Mean Absolute Percentage Error (MAPE), and predict inflation in Indonesia. Inflation is used as the response variable in this study, while the BI Rate and exchange rate are used as predictor variables influencing it. The research found that the best B-Spline semiparametric regression model is of order 2, determined based on an optimal knot point of 0,065, obtained from the minimum GCV value of 0,0001680770. The model accuracy was measured using MAPE, resulting in 27,64889579%, indicating a fairly strong relationship among the variables. The best B-Spline semiparametric regression model predicts inflation for January to May 2024 as 0,026339723 (2.63), 0,024342182 (2.43), 0,024990414 (2.49), 0,024042727 (2.40), and 0,029497937 (2.94).

مستخلص البحث

لانحدار شبه الباامتري (Regresi Semiparametrik) يجمع بين العناصر المعلمية وغير المعلمية، مما يوفر مرونة أكبر في التعامل مع أنماط البيانات المعقدة وغير الخطية. طريقة ب-سبلين (B-Spline)، كوظيفة أساسية تحتوي على عدة قطاعات متعددة الحدود، توفر مرونة عالية في التقاط الأشكال الوظيفية المعقدة. يهدف هذا البحث إلى تحديد نموذج الانحدار شبه الباامتري ب-سبلين (B-Spline) للعوامل التي تؤثر على التضخم في إندونيسيا، وتقييم دقة النموذج باستخدام متوسط الخطأ المطلق)MAPE) والتنبؤ بالتضخم في إندونيسيا .يتم استخدام التضخم كمتغير استجابة في هذابحث ، بينما يتم استخدام معدل بنك إندونيسيا وسعر الصرف كمتغيرات توقع تؤثر عليه. أسفرت ابحث عن نموذج الانحدار شبه الباامتري ب-سبلين
(B-Spline) الأفضل والذي يتميز بالدرجة ٢ ، والذي يتم تحديده بناءً على نقطة الضم في٠.٠٦٥ ، والتي تم الحصول عليها من قيمة (GCV) الدنيا بلغت. ٠٫٠٠٠١٦٨٠٧٧٠ تم قياس دقة النموذج باستخدام معدل متوسط الخطأ المطلق)MAPE)، وكانت النتيجة٢٧.٦٤٨٨٩٥٧٩٪ ، مما اشار إلى وجود علاقة قوية بين المتغيرات. أفضل نموذج انحدار شبه الباامتري ب-سبلين (B-Spline) يتنبأ بمعدل التضخم لشهر يناير إلى مايو ٢٠٢٤ بالترتيب كالتالي: ٠.٠٢٦٣٣٩٧٢٣، ٠.٠٢٤٣٤٢١٨٢، ٠.٠٢٤٩٩٠٤١٤، ٠.٠٢٤٠٤٢٧٢٧، و ٠.٠٢٩٤٩٧٩٣٧.