PERBANDINGAN REGRESI NONPARAMETRIK ESTIMATOR NADARAYA – WATSON FUNGSI KERNEL DAN LOCAL POLYNOMIAL REGRESSION DALAM MEMPREDIKSI USD TERHADAP IDR

ISNI RAHMA.A (2024) PERBANDINGAN REGRESI NONPARAMETRIK ESTIMATOR NADARAYA – WATSON FUNGSI KERNEL DAN LOCAL POLYNOMIAL REGRESSION DALAM MEMPREDIKSI USD TERHADAP IDR. Sarjana thesis, Universitas Tadulako.

Full text not available from this repository.

Abstract

Permasalahan makro ekonomi seperti inflasi dan kurs sering disoroti sebagai tolak ukur kemajuan ekonomi. Stabilitas keduanya harus diawasi pemerintah agar dapat mengendalikan tingkat inflasi dan kurs. Ketidakstabilan fluktuasi yaitu fenomena naik turunnya nilai tukar mata uang berdasarkan permintaan dan penawaran. Mengingat besarnya dampak dari fluktuasi nilai tukar terhadap perekonomian, maka prediksi nilai tukar rupah terhadap dolar Amerika dirasa perlu karena berguna untuk mengantisipasi dan meminimalisasi kemungkinan buruk yang timbul. Metode yang dapat digunakan untuk menganalisis data kurs mata uang yang fluktuatif adalah regresi nonparametrik estimator Nadaraya-Watson fungsi kernel gaussian dan Local Polynomial Regression. Hasil perbandingan regresi nonparametrik antara estimator Nadaraya-Watson fungsi kernel Gaussian dan Local Polynomial Regression di peroleh MAPE masing-masing sebesar 2,508?n 0,179%. Hal ini menunjukan bahwa model terbaik menggunakan metode Local Polynomial Regression. Selanjutnya prediksi data kurs USD terhadap IDR menggunakan model yang terbaik yaitu Local Polynomial Regression dimana nilai MAPE kurang dari 10% yang artinya tingkat prediksi sangat baik.

Kata Kunci : Estimator Nadaraya-Watson, Kernel Gaussian, Local Polynomial Regression

Item Type: Thesis (Sarjana)
Commentary on: Eprints 0 not found.
Divisions: Fakultas Matematika dan IPA > Statistika
SWORD Depositor: Users 0 not found.
Depositing User: Users 0 not found.
Date Deposited: 22 Jan 2025 07:16
Last Modified: 06 Feb 2025 07:14
URI: https://repository.untad.ac.id/id/eprint/133623
Baca Full Text: Baca Sekarang

Actions (login required)

View Item
View Item