Regresi semiparametrik kernel dengan fungsi epanechnikov untuk memodelkan inflasi di Indonesia

ABSTRAK

Analisis regresi merupakan salah satu teknik dalam ilmu statistika dalam menentukan pengaruh antara variabel bebas dengan terikat. Model Analisis regresi memiliki beberapa pendekatan yaitu pendekatan dengan menggunakan regresi parametrik, nonparametrik, dan semiparametrik. Regresi semiparametrik merupakan kombinasi dari parametrik dan nonparametrik. Penelitian ini memodelkan serta memprediksi inflasi berdasarkan dua faktor yang memengaruhinya yaitu kurs dollar Amerika Serikat terhadap rupiah dan BI rate dengan menggunakan metode regresi semiparametrik kernel dengan estimator Priestley-Chao dan fungsi epanechnikov. Hasil penelitian menunjukkan bahwa model regresi semiparametrik kernel dengan penaksir Priestley-Chao dan fungsi epanechnikov terbaik menghasilkan GCV minimum sebesar 0,0002362895 demgan nilai bandwidth sebesar 0,05. Hasil keakuratan model terbaik yang diperoleh sebesar 14,10629% di mana nilai tersebut termasuk pada kriteria cukup baik untuk melakukan proses prediksi inflasi di masa yang akan datang. Implementasi metode ini menghasilkan nilai prediksi Inflasi bulan Januari 2024 sebesar 2,23%, Februari 2024 sebesar 2,34%, Maret 2024 sebesar 2,18%, dan April 2024 sebesar 1,85%. Salah satu manfaat dari metode ini yaitu untuk mengembangkan evaluasi mengenai kebijakan moneter sehingga inflasi dapat dikendalikan.

ABSTRACT

Regression analysis is one of the statistical techniques used to determine the influence between independent and dependent variables. Regression analysis models can use various approaches, including parametric, nonparametric, and semiparametric regression. Semiparametric regression is a combination of parametric and nonparametric approaches. This research models and predicts inflation based on two influencing factors: the exchange rate of the US dollar against the rupiah and the BI rate, using the semiparametric kernel regression method with the Priestley-Chao estimator and Epanechnikov function. The results show that the best semiparametric kernel regression model with the Priestley-Chao estimator and Epanechnikov function yields a minimum GCV of 0,0002362895 with a bandwidth value of 0,05. The best model accuracy obtained is 14,10629%, which falls under the criteria of being fairly good for predicting future inflation. The implementation of this method results in inflation predictions of 2,23% for January 2024, 2,34% for February 2024, 2,18% for March 2024, and 1,85% for April 2024. One of the benefits of this method is to develop an evaluation of monetary policy so that inflation can be controlled.

مستخلص البحث

يعتبر تحليل الانحدار أحد التقنيات في الإحصاء لتحديد التأثير بين المتغيرات المستقلة والتابعة. يحتوي نموذج تحليل الانحدار على عدة مناهج، بما في ذلك الانحدار البارامتري وغير البارامتري وشبه البارامتري. الانحدار شبه البارامتري هو مزيج من البارامتري وغير البارامتري. يقوم هذا البحث بنمذجة التضخم والتنبؤ به بناء على عاملين يؤثران عليه، وهما سعر صرف الدولار الأمريكي مقابل الروبية ومعدل بنك إندونيسيا باستخدام طريقة انحدار النواة شبه البارامتري مع مقدر بريستلي-تشاو ودالة إفنيجنيكوف. أظهرت النتائج أن نموذج انحدار النواة شبه البارامتري مع أفضل مقدر بريستلي تشاو ودالة إفنيجنيكوف ينتج الحد الأدنى من GCV مما يبلغ 0,0002362895 مع قيمة النطاق الترددي 0,05. كانت نتيجة أفضل دقة نموذج تم الحصول عليها 14,10629٪ حيث تم تضمين القيمة في المعايير التي كانت جيدة بما يكفي لتنفيذ عملية التنبؤ بالتضخم في المستقبل. تنتج عن تنفيذ هذه الطريقة قيمة متوقعة للتضخم في يناير 2024 بنسبة 2,23٪ وفبراير 2024 بنسبة 2,34٪ ومارس 2024 بنسبة 2,18٪ وأبريل 2024 بنسبة 1,85٪. تتمثل إحدى فوائد هذه الطريقة في تطوير التقييمات المتعلقة بالسياسة النقدية بحيث يمكن السيطرة على التضخم.