Regresi semiparametrik kernel Nadaraya-Watson untuk memodelkan inflasi di Indonesia

ABSTRAK

Regresi semiparametrik merupakan penggabungan antara regresi parametrik dan nonparametrik. Dalam regresi nonparametrik, tidak memiliki asumsi-asumsi tertentu sehingga dapat menyesuaikan dengan data. Regresi nonparametrik kernel pada penelitian ini digunakan untuk memuluskan kurva regresi dengan menggunakan estimator Nadaraya-Watson. Fungsi kernel yang digunakan yaitu fungsi Gaussian. Tujuan dari penelitian ini yaitu menghasilkan bentuk model regresi semiparametrik kernel Nadaraya-Watson pada faktor kurs mata uang dan suku bunga yang mempengaruhi inflasi di Indonesia, menganalisis keakuratan modelnya dengan menggunakan Mean Absolute Percentage Error (MAPE), dan mengimplementasikan model terbaik untuk memprediksi inflasi di periode selanjutnya. Data respon yang dibahas yakni inflasi dimana variabel prediktor yang digunakan adalah faktor yang mempengaruhinya yaitu kurs mata uang dan suku bunga periode Januari 2013 sampai Desember 2023. Berdasarkan hasil penelitian menunjukkan bahwa model semiparametrik kernel Nadaraya-Watson menghasilkan nilai Generalized Cross Validation (GCV) minimum sebesar 0,017 pada bandwidth 0,00408 dan nilai parameter parametrik sebesar -0,03168. Keakuratan model terbaik yang diperoleh dari nilai MAPE sebesar 27,86% menunjukkan bahwa model tersebut memiliki tingkat prediksi yang cukup baik. Hasil implementasi model untuk memprediksi inflasi di bulan Mei 2024 sebesar 2,79% yang mengalami penurunan meskipun tidak signifikan. Adapun manfaat yang dapat digunakan untuk penentuan pengambilan kebijakan moneter sehingga inflasi dapat dikendalikan.

ABSTRACT

Semiparametric regression is a combination of parametric and nonparametric regression. Nonparametric regression does not rely on specific assumptions, allowing it to adapt to the data. In this study, kernel nonparametric regression is used to smooth the regression curve with the Nadaraya-Watson estimator. The Gaussian function is employed as the kernel function. The aim of this research is to develop a semiparametric kernel Nadaraya-Watson regression model for currency exchange rates and interest rates that influence inflation in Indonesia, analyze the model’s accuracy using the Mean Absolute Percentage Error (MAPE), and implement the best model to predict future inflation. The response variable discussed is inflation, with the predictor variables being the factors influencing it, specifically currency exchange rates and interest rates from January 2013 to December 2023. The research results indicate that the semiparametric kernel Nadaraya-Watson model yields a minimum Generalized Cross Validation (GCV) value of 0,017 at a bandwidth of 0,00408 and a parametric parameter of -0,03168. The best model’s accuracy, with a MAPE value of 27,86%, demonstrates a reasonably good level of prediction. The model's implementation for predicting inflation in May 2024 resulted in an estimated inflation rate of 2,79%, showing a slight but not significant decrease. These findings can be beneficial for formulating monetary policies to control inflation.

مستخلص البحث

الانحدار شبه البارامتري هو دمج بين الانحدار البارامتري والانحدار غير البارامتري. في الانحدار غير البارامتري، لا توجد افتراضات معينة مما يسمح له بالتكيف مع البيانات. يتم استخدام انحدار غير البارامتري انواة في هذا البحث لتنعيم منحنى الانحدار باستخدام مقدر ناداريا-واتسون. دالة النواة المستخدمة هي دالة غاوسة. يهدف هذا البحث إلى إنتاج نموذج الانحدار شبا البارامتري لنواة ناداريا-واتسون للعوامل التي تؤثر على التضخم في إندونيسيا، مثل سعر الصرف وأسعار الفائدة، وتحليل دقة النموذج باستخدام متوسط الخطأ المطلق (MAPE)، وتطبيق النموذج الأفضل للتنبؤ بالتضخم في الفترة المقبلة. البيانات المستجيبة التي تم مناقشتها هي التضخم حيث أن المتغيرات التنبؤية المستخدمة هي العوامل التي تؤثر عليه، وهي سعر الصرف وأسعار الفائدة للفترة من يناير ٢٠١٣ إلى ديسمبر ٢٠٢٣. بناءً على نتائج البحث، تبين أن نموذج شبه البارامتري للنواة ناداريا-واتسون ينتج قيمة التحقق المتقاطع المعمم (GCV) بحد أدنى قدره ٠٫٠١۷ عند عرض نطاق ترددي ٠٫٠٠٤٠٨ وقيمة المعلمة البار امترية هي -٠٫٠٣١٦٨. دقة النموذج الأفضل التي تم الحصول عليها من قيمة MAPE بنسبة ٢٧٫۸٦٪ أشات إلى أن هذا النموذج يمتلك مستوى تنبؤ جيد. بنسبة ٢٧٫۸٦٪ أظهرت نتائج تطبيق النموذج للتنبؤ بالتضخم في مايو ٢٠٢٤ بنسبة ٢٫۷٩٪ التي هناك انخفاض غير ملحوظة. الفائدة التي يمكن استخدامها لتحديد اتخاذ السياسات النقدية بحيث يمكن التحكم في التضخم.