Penerapan Model Regresi Nonparametrik B-Spline dengan Principal Component Analysis pada Data Inflasi Indonesia=Application of Nonparametric B-Spline Regression Model with Principal Component Analysis on Indonesian Inflation Data

Inflasi merupakan indikator makroekonomi penting yang mencerminkan stabilitas harga dan menjadi dasar penentuan kebijakan moneter. Data inflasi Indonesia dalam beberapa tahun terakhir menunjukkan pola yang fluktuatif dan cenderung nonlinear. Kompleksitas tersebut dipengaruhi oleh banyaknya variabel ekonomi yang memengaruhi, sehingga berpotensi menimbulkan multikolinearitas. Principal Component Analysis (PCA) dapat digunakan untuk mengatasi multikolinearitas melalui reduksi dimensi, namun belum mampu menangkap hubungan nonlinear pada data inflasi. Oleh karena itu, penelitian ini mengombinasikan PCA dengan regresi nonparametrik B-spline yang bersifat fleksibel dalam memodelkan pola nonlinear. Penelitian ini membangun model data inflasi Indonesia menggunakan regresi nonparametrik B-spline dengan PCA. Analisis dilakukan dengan menerapkan PCA untuk mengatasi multikolinearitas dan membentuk komponen utama sebagai variabel prediktor baru. Model inflasi kemudian dibangun menggunakan regresi nonparametrik B-spline. Estimasi parameter dilakukan menggunakan metode Ordinary Least Square (OLS), sedangkan pemilihan orde spline dan jumlah titik knot optimal ditentukan berdasarkan nilai Generalized Cross Validation (GCV) minimum. Penerapan PCA mampu mereduksi variabel prediktor menjadi dua komponen utama yang menjelaskan 78,5% varians total data. Selanjutnya, model regresi nonparametrik B-spline dengan PCA terbaik pada data inflasi Indonesia diperoleh menggunakan spline kuadratik dengan dua titik knot berdasarkan nilai GCV minimum. Model yang terbentuk menunjukkan bahwa inflasi merupakan kombinasi fungsi basis B-spline dari dua komponen utama tersebut dengan pola hubungan yang bersifat nonlinear. Penerapan regresi nonparametrik B-spline dengan PCA mampu mengatasi permasalahan multikolinearitas sekaligus menangkap pola nonlinear pada data inflasi Indonesia. Penggabungan kedua metode ini menghasilkan model yang fleksibel dan sesuai dengan karakteristik data inflasi yang kompleks, sehingga dapat menjadi alternatif pemodelan inflasi yang lebih efektif.