MODEL REGRESI NONPARAMETRIK SPLINE KUADRATIK (Studi Kasus Pengaruh Tingkat Inflasi Indonesia Periode Juni 2016 sampai dengan November 2018 terhadap Kurs Dolar dan BI Rate)

A’AS ASED FAJAR BASKORO, NIM. 15610037 (2019) MODEL REGRESI NONPARAMETRIK SPLINE KUADRATIK (Studi Kasus Pengaruh Tingkat Inflasi Indonesia Periode Juni 2016 sampai dengan November 2018 terhadap Kurs Dolar dan BI Rate). Skripsi thesis, UIN Sunan Kalijaga.

Preview	Text (MODEL REGRESI NONPARAMETRIK SPLINE KUADRATIK (Studi Kasus Pengaruh Tingkat Inflasi Indonesia Periode Juni 2016 sampai dengan November 2018 terhadap Kurs Dolar dan BI Rate)) 15610037_BAB I_BAB_TERAKHIR_DAFTAR_PUSTAKA.pdf - Published Version Download (3MB) | Preview
	Text (MODEL REGRESI NONPARAMETRIK SPLINE KUADRATIK (Studi Kasus Pengaruh Tingkat Inflasi Indonesia Periode Juni 2016 sampai dengan November 2018 terhadap Kurs Dolar dan BI Rate)) 15610037_BAB II_S.D._SEBELUM_BAB_TERAKHIR.pdf - Published Version Restricted to Registered users only Download (8MB)

Abstract

Analisis regresi merupakan salah satu bidang statistika yang memiliki peran yang sangat penting untuk menyelidiki pola hubungan fungsional antara variabel dependen dengan satu atau beberapa variabel independen. Pendekatan yang digunakan dalam kurva regresi yaitu parametrik dan nonparametrik. Perbedaan antara parametrik dengan nonparametrik adalah pendekatan parametrik data cenderung dipaksa untuk mengikuti pola tertentu, sedangkan pendekatan nonparametrik data diberi keleluasaan untuk mencari pola kurva regresinya sendiri sehingga sangat fleksibel dan obyektif. Salah satu model pendekatan regresi nonparametrik adalah regresi spline. Regresi spline memiliki keunggulan dalam mengatasi pola data yang menunjukkan naik/ turun tajam dengan bantuan titik-titik knot. Regresi spline memungkinkan berbagai macam orde sehingga dapat dibentuk regresi spline linear, kuadrat, kubik maupun orde m. Regresi spline kuadratik adalah regresi spline dengan orde dua dan diaplikasikan pada pola data yang kompleks. Pada penelitian ini, penulis akan meneliti mengenai model regresi spline kuadratik yang diestimasi dengan metode kuadrat terkecil. Bentuk estimator regresi spline sangat dipengaruhi oleh pemilihan lokasi dan banyaknya titik knot. Penentuan titik knot yang optimal menggunakan metode Mean Square Error (MSE) dan Generalized Cross Validation (GCV). Di dalam penelitian ini, pemilihan model regresi spline kuadratik menggunakan kriteria Akaike Information Criterion (AIC) dan Bayesian Information Criterion (BIC) yang minimum dimana kedua kriteria tersebut memberikan penalti terhadap penambahan jumlah parameter. Model regresi spline kuadratik di dalam penelitian ini digunakan untuk mengetahui pengaruh tingkat inflasi di Indonesia terhadap kurs dolar dan BI rate. Adapun model regresi spline kuadratik untuk pengaruh tingkat inflasi di Indonesia terhadap kurs Dolar dan BI rate adalah 2 1 1 ˆ 10682,5197 Y   38,6125X  4,2418X 5,3831 2 2 2 1 2 2 2 (X 4,75) 2170,2860X 111,1021X 111,4649(X 9,77)        Dimana nilai Mean Square Error (MSE) model regresi spline kuadratik adalah 0.0822. Kata kunci: GCV, MSE, Regresi spline, Spline kuadratik, Titik knot.

Share this knowledge with your friends :

Actions (login required)

View Item