Multivariate Adaptive Regression Splines pada Kasus Inflasi di Indonesia Tahun 2005-2018

Nurhaerunisa Widagdo(1*), Muhammad Kasim Aidid(2), S. Sudarmin(3),

(1) Program Studi Statistika FMIPA UNM
(2) Program Studi Statistika FMIPA UNM
(3) Program Studi Statistika FMIPA UNM
(*) Corresponding Author




DOI: https://doi.org/10.35580/variansiunm14639

Abstract


Abstrak. Kegiatan perekonomian suatu negara dipengaruhi oleh inflasi yang terjadi pada negara tersebut. Tingkat inflasi Indonesia yang fluktuatif, cenderung tidak stabil, mempengaruhi kehidupan sosial dan ekonomi masyarakat. Sehingga penting untuk mengetahui faktor-faktor yang berpengaruh terhadap inflasi serta pemodelan faktor-faktor berpengaruh tersebut dan hubungannya terhadap inflasi. Mengidentifikasi hubungan inflasi dan faktor penyebabnya dilakukan menggunakan pemodelan Multivariate Adaptive Regression Splines (MARS). MARS merupakan jenis regeresi nonparametrik yang menggabungkan prinsip Recursive Partitioning Regression (RPR) dan spline, fleksibel dalam memodelkan data sehingga memberikan hasil pemodelan data yang cukup akurat serta dapat menangani data berdimensi tinggi, yaitu data dengan jumlah peubah prediktor 3 ≤ x ≤ 20 dan ukuran data sampel 50 ≤ n ≤ 1000. Model MARS diperoleh berdasarkan kombinasi nilai BF, MI, dan MO yang memiliki nilai Generalized Cross Validation (GCV) terkecil. Pada penelitian ini digunakan enam peubah prediktor sebagai faktor yang mempengaruhi inflasi dengan data sampel sebesar 168 sampel. Hasil penelitian menunjukkan bahwa peubah Indeks Harga Perdagangan Besar (IHPB), BI Rate, Nilai Tukar IDR-USD, dan Uang Beredar adalah faktor-faktor yang berpengaruh terhadap inflasi berdasarkan model terbaik MARS dengan BF=24, MI=3, MO=1, GCV=0,772, MSE=0,391, dan R2=0,968.

Kata kunci: Inflasi, MARS, RPR, BF, MI, MO, GCV.

Full Text:

PDF

References


Ampulembang, A. P., Otok, B. W., Rumiati, A. T., & Budiasih. (2015). Bi-Responses Nonparametric Regression Model Using MARS and Its Properties. 9(29), 1417–1427.

Asmara, C. G. (2018). November 2018, Defisit Migas Makin Bengkak Jadi Rp 176 T. Retrieved from CNBC Indonesia website: https://www.cnbcindonesia.com/market/20181217115103-17-46688/november-2018-defisit-migas-makin-bengkak-jadi-rp-176-t

Badan Pusat Statistik. (2018). Inflasi (Umum) Indonesia Berdasarkan Tahunan dan Bulanan Tahun 2005-2017. Retrieved April 29, 2018, from Badan Pusat Statistik Indonesia website: bps.go.id

Badan Pusat Statistik. (2019). Indikator Ekonomi. Retrieved April 4, 2019, from

https://bps.go.id/publication.html?Publikasi%5BtahunJudul%5D=&Publikasi%5BKataKunci%5D=Indikator+ekonomi&yt0=Tampilkan

Bank Indonesia. (2019). Metadata Statistik Ekonomi dan Keuangan Indonesia (SEKI). Retrieved April 4, 2019, from https://www.bi.go.id/id/statistik/metadata/seki/Contents/Default.aspx

Budiantara, I. N. (2005). Model Keluarga Spline Polinomial Truncated dalam Regresi Semiparametrik ( Model of Truncated Polynomial Spline family in Semiparametric Regression ). Berkala MIPA, 15(3), 55–61.

Citra, P. (2017). Association Mapping SNP - Fenotipe Menggunakan Metode Multivariate Adaptive Regression Spline (MARS). Institut Pertanian Bogor.

Darmawanti, N. D., Supati, & Safitri, D. (2014). Pemodelan Indeks Harga Saham Gabungan (IHSG) Menggunakan Multivariate Adaptive Regression Splines (MARS). Gaussian, 3(4), 771–780. Retrieved from http://ejournal-s1.undip.ac.id/index.php/gaussian

Eubank, R. L. (1999). Nonparametric Regression and Spline Smoothing (2nd ed.). New York: Marcel Dekker.

Friedman, J. H. (1991). Multivariate Adaptive Regression Splines. Annals of Statistics, 19(1), 1–67. https://doi.org/10.1214/aos/1176347963

Julitawaty, W. (2015). Inflation Analysis and Interest Rate in Indonesian. Int J Econ Manag Sci, 4(6), 4–6. https://doi.org/10.4172/21626359.1000257

Khalwaty, T. (2000). Inflasi dan Solusinya. Jakarta: PT Gramedia Pustaka Utama.

Osman, I., Hashim, M. J., & Elias, N. L. (2014). The Determinants of Inflation in Malaysia. 3rd International Conference on Accounting, Business and Economics.

Otok, B. W. (2005). Klasifikasi Perbankan dengan Pendekatan CART dan MARS. Widya Manajemen & Akuntansi, 5(1), 50–62.

Sukirno, S. (2000). Makroekonomi Modern: Perkembangan Pemikiran Dari Klasik Hingga Keynesian Baru. Jakarta: Raja Grafindo Persada.

Suseno, & Astiyah, S. (2009). Inflasi. In Seri Kebanksentralan. Jakarta: Pusat Pendidikan dan Studi Kebanksentralan (PPSK) Bank Indonesia.

Sutawijaya, A., & Zulfahmi. (2012). Pengaruh Faktor-faktor Ekonomi Terhadapa Inflasi di Indonesia. Organisasi Dan Manajemen, 8(2), 85–101.


Article Metrics

Abstract view : 778 times | PDF view : 273 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Nurhaerunisa Widagdo, Muhammad Kasim Aidid, S. Sudarmin

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Abstracted/Indexed by:

SINTADimensions

 

 

VARIANSI: Journal of Statistics and Its Application on Teaching and Research is licensed under a Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)