Pemodelan Regresi Polinomial Lokal pada Nilai Ekspor Non-Migas di Indonesia
Abstract
Abstract. Linear regression analysis is one of the statistical methods aimed at determining the influence of the independent variable (X) on the dependent variable (Y). In estimating the parameters of the linear regression model, it can be done using the method of least squares or ordinary least squares (OLS). However, if you want to model with research data with an unknown functional form, then the regression analysis used is nonparametric regression analysis. Local polynomial regression is one of the models used in nonparametric regression approaches. Estimation of parameters in local polynomial regression can be done using the Weighted Least Squares (WLS) estimation method by considering the value of the kernel function. The kernel function commonly used includes the Gaussian kernel and the Epanechnikov kernel. The best local polynomial regression model can be observed from the bandwidth, local points, weighting, kernel function, and the optimal polynomial degree. The data used in this study are non-oil and gas export values in Indonesia from January 2018 to December 2022. Based on the calculation results, the best local polynomial regression model is the local polynomial regression model with the Gaussian kernel function, with a Mean Absolute Percentage Error (MAPE) of 8.33%, and a coefficient of determination (R2) of 83.99%. The best model to predict non-oil and gas export values in Indonesia is the second-order with a local point (t0) of 22 and a bandwidth (h) of 10, i.e., yi^ = 12521.411 + 35.744 (ti-22)+8.475 (ti-22)^2
Abstrak. Analisis Regresi Linier merupakan salah satu metode statistika yang bertujuan untuk mengetahui pengaruh variabel bebas (X) terhadap variabel tak bebas (Y). Dalam melakukan estimasi parameter model regresi linier dapat dilakukan dengan menggunakan metode kuadrat terkecil atau ordinary least square (OLS). Namun apabila ingin melakukan pemodelan dengan data penelitian yang tidak diketahui bentuk fungsinya, maka analisis regresi yang digunakan adalah analisis regresi nonparametrik. Regresi polinomial lokal merupakan salah satu model yang digunakan dalam pendekatan regresi nonparametrik. Penaksiran parameter pada regresi polinomial lokal dapat dilakukan dengan metode estimasi Weighted Least Square (WLS) dengan memperhatikan nilai fungsi kernel. Fungsi kernel yang banyak digunakan adalah kernel gaussian dan kernel epanechnikov. Model regresi polinomial lokal terbaik dapat dilihat dari bandwidth, titik lokal, pembobot, fungsi kernel, serta derajat polinomial yang optimal. Data yang digunakan dalam penelitian ini adalah nilai ekspor non-migas di Indonesia pada Januari 2018 hingga Desember 2022. Berdasarkan hasil perhitungan, diperoleh model regresi polinomial lokal terbaik adalah model regresi polinomial lokal dengan fungsi kernel gaussian dengan nilai MAPE sebesar 8,33% dan nilai koefisien determinasi (R2) sebesar 83,99%. Model terbaik untuk memprediksi nilai ekspor non-migas di Indonesia adalah orde dua dengan titik lokal (t0) sebesar 22 dan nilai bandwidth (h) sebesar 10, yaitu: yi^ = 12521.411 + 35.744 (ti-22)+8.475 (ti-22)^2
References
T. W. Utami and I. M. Nur, “Pemodelan Pasang Surut Air Laut di Kota Semarang dengan Pendekatan Regresi Nonparametrik Polinomial Lokal Kernel,” University of Muhammadiyah Semarang, no. July, pp. 49–56, 2016.
Hotsawadi and Widyastutik, “Diversifikasi Ekspor Non Migas Indonesia Ke Pasar Non Tradisional (Diversification of Indonesia ’ s Non-Oil Gas Export to Non-Traditional Markets),” Buletin Ilmiah Litbang Perdagangan, vol. 14, pp. 215–238, 2020.
Kemenperin, “Analisis Ekspor - Impor Industri Pengolahan Non Migas Februari2021,” https://kemenperin.go.id, 2021. https://kemenperin.go.id/download/26114/Laporan-Ekspor-Impor-Hasil-Pengolahan-2021-Februari
Menpan, “Perkembangan Ekspor Indonesia pada Agustus 2022 Capai US$27,91 Miliar,” https://menpan.go.id, 2022. https://www.menpan.go.id/site/berita-terkini/berita-daerah/perkembangan-ekspor-indonesia-pada-agustus-2022-capai-us-27-91-miliar
A. P. Asti and S. Darwis, “Deteksi Kerusakan Bearing Menggunakan Komponen Utama Kernel,” Jurnal Riset Statistika, pp. 19–26, Jul. 2023, doi: 10.29313/jrs.v3i1.1771.
N. Chamidah and B. Lestari, Analisis Regresi Nonparametrik dengan Perangkat Lunak R. Surabaya: Airlangga University Press, 2022.
J. Hendrian, S. Suparti, and A. Prahutama, “Pemodelan Harga Emas Dunia Menggunakan Metode Nonparametrik Polinomial Lokal Dilengkapi Gui R,” Jurnal Gaussian, vol. 10, no. 4, pp. 605–616, 2021.
