Prediksi laju inflasi bulanan terhadap perekonomian nasional menggunakan metode regresi spline di Indonesia

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Khafidhoh, Hanun (2023) Prediksi laju inflasi bulanan terhadap perekonomian nasional menggunakan metode regresi spline di Indonesia. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text
Hanun Khafidhoh_H02217006.pdf
Download (1MB)

Abstract

Tingkat inflasi Indonesia pada tahun 2022 terus meningkat sejak awal tahun 2022 hingga saat ini. Berdasarkan data dari Bank Indonesia tersebut, nilai inflasi Indonesia pada bulan Juli 2022 mencapai 4.94% yang telah melewati batas standar inflasi normal di Indonesia yaitu 2 – 4 %. Dalam penelitian ini faktor-faktor yang dianggap berpengaruh terhadap inflasi adalah ekspor, kurs Rp- USD, dan jumlah uang beredar. Penelitian ini bertujuan untuk mengetahui model terbaik dalam memprediksi nilai inflasi pada periode mendatang. Metode statistika sangat berperan penting dalam memprediksi data time series seperti data inflasi. Regresi spline merupakan salah satu pendekatan regresi nonparametrik bersifat piecewise plynomial yang berupa potongan-potongan polinom dengan sifat tersegmen pada selang yang terbentuk pada titik-titik knot. Titik knot optimal dipilih berdasarkan dari nilai Generalized Cross Validation (GCV) minimum. Hasil penelitian ini menyatakan bahwa pada variabel X1 (Ekspor) titik knot optimum berada pada titik 49502.9, kemudian untuk variabel X2 (Kurs Rupiah-USD) titik knot optimum berada pada titik 11678.93, dan untuk variabel X3 (Jumlah Uang Beredar) titik knot optimum berada pada titik 4754183, dengan nilai GCV minimum adalah 0.977665 dengan nilai MAPE sebesar 10.4% sehingga masuk dalam kategori nilai MAPE yang baik . Koefisien determinasi X1, X2, X3 terhadap data Y memiliki nilai 0.641 dengan tingkat korelasinya adalah kuat. Berdasarkan hal tersebut, penelitian ini memperoleh kesimpulan bahwa variabel ekspor, kurs rupiah, dan jumlah uang beredar memiliki pengaruh yang signifikan terhadap inflasi, sehingga dengan menggunakan variabel-variabel tersebut pada model regresi spline dapat menghasilkan data prediksi yang baik.