Regresi semiparametrik dengan pendekatan spline untuk memodelkan pengaruh BI-Rate dan kurs dolar terhadap inflasi di Indonesia

ABSTRAK

Analisis regresi adalah teknik statistik yang digunakan untuk memeriksa hubungan antara satu atau lebih variabel independent (prediktor) dengan variabel dependent (respon). Terdapat tiga pendekatan utama dalam analisis regresi: parametrik, nonparametrik, dan semiparametrik. Pendekatan parametrik sering digunakan karena kemudahan dalam proses pendugaan, meskipun sangat bergantung pada asumsi tertentu. Ketika asumsi ini tidak terpenuhi, pendekatan nonparametrik dapat digunakan karena lebih fleksibel dan tidak terikat pada pola tertentu. Metode smoothing, seperti regresi spline, sering digunakan dalam pendekatan nonparametrik. Penelitian ini bertujuan untuk memodelkan pengaruh BI-Rate dan kurs dolar terhadap inflasi di Indonesia menggunakan pendekatan regresi semiparametrik dengan metode spline. Metode ini menggabungkan fleksibilitas pendekatan nonparametrik dengan efisiensi pendekatan parametrik. Pemilihan titik knots yang optimal dilakukan menggunakan Generalized Cross Validation (GCV) untuk memastikan model yang dihasilkan sesuai dengan data yang ada. Dengan titik knots 0,064 nilai GCV minimum sebesar 1,686485x10-4 Model yang didapatkan dari regresi Semiparametrik truncated spline dengan satu titik knot dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 27,34933%. Hal ini menunjukkan bahwa model yang didapatkan termasuk dalam kategori cukup baik untuk digunakan prediksi (forecasting).

ABSTRACT

Regression analysis is a statistical technique used to examine the relationship between one or more independent (predictor) variables and the dependent (response) variable. There are three main approaches to regression analysis: parametric, nonparametric, and semiparametric. The parametric approach is often used because of its case of estimation, although it relies heavily on certain assumptions. When these assumptions are not met, nonparametric approaches can be used as they are more flexible and not tied to a specific pattern. Smoothing methods, such as spline regression, are often used in nonparametric approaches. This study aims to model the effect of BI-Rate and dollar exchange rate on inflation in Indonesia using a semiparametric regression approach with spline method. This method combines the flexibility of the nonparametric approach with the efficiency of the parametric approach. The selection of optimal knots points is carried out using Generalized Cross Validation (GCV) to ensure the resulting model fits the existing data a minimum GCV value of the model obtained from Semiparametric truncated spline regression, one knots point of 0.064 the minimum GCV value is 1.686485x10-4 The model obtained from Semiparametric truncated spline regression with one knot point with a Mean Absolute Percentage Error (MAPE) value of 27.34933%. This shows that the model obtained is included in the category good enough to be used for forecasting.

مستخلص البحث

ومتغير تابع (استجابة). هناك ثلاث طرق رئيسية لتحليل الانحدار: البارامترية وغير البارامترية وشبه البارامترية. غالبًا ما يُستخدم النهج البارامترى نظرًا لسهولة تقديره، على الرغم من أنه يعتمد بشكل كبير على افتراضات معينة. عندما لا يتم استيفاء هذه الافتراضات، يمكن استخدام الأساليب غير البارامترية لأنه أكثر مرونة وغير مرتبطة بنمط معين. وغالبًا ما تُستخدم أساليب التنعيم، مثل الانحدار الانحداري المتسلسل، في الأساليب غير البارامترية. تهدف هذاالدراس إلى نمذجة تأثير سعر الفائدة الأساسي وسعر صرف الدولار على التضخم في إندونيسيا باستخدام نهج الانحدار شبه القياسي مع طريقة الانحدار ز تجمع هذه الطريقة بين مرونة النهج غير البارامترى وكفاءة النهج البارامترى. ويتم اختيار نقطة العقدة المثلى باستخدام التحقق التبادلي المعمم (GCV) لضمان ملاءمة النموذج الناتج للبيانات الموجودة بنقطة عقدة 0,064 يكون الحد الأدنى لقيمة القيمة المئوية العامة للتحقق من القيمة المئوية العامة هو 1,686485 x 10-4النموذج الذي تم الحصول عليه من الانحدار شبه القياسي المقطوع بنقطة عقدة واحدة مع قيمة متوسط خطأ النسبة المئوية المطلقة (MAPE) تبلغ 27,34933%. وهذا يدل على أن النموذج الذي تم الحصول عليه مدرج في الفئة الجيدة بما يكفي لاستخدامه في التنبؤ.