Text

Pemodelan Regresi Semiparametrik Untuk Analisis Data Jumlah Uang Beredar di Indonesia

---

ABSTRAK
Jumlah uang beredar merupakan salah satu faktor penyebab terjadinya masalah
makro ekonomi di Indonesia yaitu inflasi. Oleh karena itu perlu dilakukan analisis
yang tepat untuk memodelkan jumlah uang beredar beserta faktor-faktor yang
mempengaruhinya. Penelitian ini menggunakan 1 variabel komponen parametrik
(X) dan 2 variabel komponen nonparametrik (T1 dan T2) yang mempengaruhi
jumlah uang beredar. Sehingga pemodelan yang tepat adalah regresi
semiparametrik. Metode yang akan digunakan pada komponen nonparametrik
adalah regresi spline dengan pemilihan titik knot optimal menggunakan metode
Generalized Cross Validation (GCV). Data in sample yang digunakan sebanyak
60 data yang diambil dari bulan Oktober 2009 - September 2014, sedangkan data
out sample yang digunakan sebanyak 6 data dari bulan Oktober 2014 – Maret
2015. Berdasarkan hasil analisis yang telah dilakukan, diperoleh model regresi
semiparametrik spline optimal terletak pada kombinasi 2 titik knot dengan orde 4
berderajat 3 (kubik) untuk T1 dan orde 3 berderajat 2 (kuadratik) untuk T2. Hasil
evaluasi ketepatan model untuk nilai Mean Absolute Percentage Error (MAPE)
data in sample sebesar 4,70% dan pada data out sample sebesar 14,16%, dimana
kedua nilai MAPE tersebut menunjukkan bahwa model yang dihasilkan adalah
baik. Sedangkan nilai koefisien determinasi sebesar 0,92627088, yang berarti
bahwa sebesar 92,63% variabel jumlah uang beredar dipengaruhi oleh tagihan
kepada sektor lainnya, aktiva luar negeri bersih, dan tagihan bersih kepada
pemerintah pusat.
Kata Kunci: Jumlah Uang Beredar (JUB), Regresi Semiparametrik, Spline, GCV

ABSTRACT
Money supply is one of the factors cause of the problem of the macro-economic
indicators in indonesia that is inflation. Therefore needs to be done a proper
analysis to model the money supply and the factors that influence it. This study is
using 1 parametric components variable (X) and 2 nonparametric measure of
components variable (T1 and T2) that affects the money supply. So a proper
modeling is semiparametric regression. Nonparametric components will be using
spline regression method by selection of optimal knots point using a generalized
cross validation method (GCV). Data in sample is used as much as 60 data that is
taken from October 2009 to September 2014, meanwhile out sample that is used
as much as 6 data from October 2014 to March 2015. Based on the results of the
analysis that has been done, obtained model of spline parametric regression is
located on optimal combination of 2 point of knots with order of 4 (cubic) for T1
and order of 3 (quadratic) for T2. Evaluation result of the model for the value of
Mean of Absolute Percentage Error (MAPE) data in sample is around 4,70% and
the data on out sample is around 14,16%, where both MAPE value indicates that
the model that is produced is good. While the coefficient value that is determined
is around 0,92627088, where 92,63% of the money supply is affected by other
sector of claim, net foreign asset, and net government of claim.
Keywords: Money Supply, Semiparametric regression, Spline, GCV

---

Ketersediaan

393E15III

519.536 NUR p

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

519.536 NUR p

Penerbit

: ., 2015

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

867

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Kalkulus

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Febrina () NURQOMARIYAH

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar