Memprediksi Indeks Komposit Indonesia (IKI) sangat penting karena perannya yang krusial dalam perekonomian Indonesia. Fluktuasinya secara signifikan memengaruhi kepercayaan investor terhadap prospek ekonomi negara. Banyak faktor yang dapat memengaruhi pergerakan IKI, termasuk variasi suku bunga BI, yang memengaruhi pendanaan dan pengembalian investasi perusahaan. Data deret waktu, seperti data IKI, terdiri dari pengamatan yang dikumpulkan pada interval tertentu. Data tersebut biasanya menunjukkan pola fluktuasi, sehingga sulit diprediksi menggunakan pendekatan parametrik. Dalam kasus seperti itu, pendekatan nonparametrik, yang dikenal karena fleksibilitasnya karena tidak memerlukan asumsi tertentu seperti metode parametrik, dapat diterapkan.
Pada penelitian ini digunakan pendekatan regresi nonparametrik dengan menggunakan Least Square Spline Estimator (LSSE) untuk memprediksi IKI berdasarkan tingkat suku bunga BI. Metode spline dipilih karena fleksibilitasnya dalam pemodelan dengan menempatkan titik simpul yang memungkinkan model untuk menyesuaikan data secara akurat. Pemilihan titik knot optimal dalam penelitian ini didasarkan pada nilai Generalized Cross Validation (GCV) terkecil. Kesesuaian model dalam penelitian ini dilakukan dengan menghitung nilai Mean Absolute Percentage Error (MAPE).
Hasil-hasil estimasi titik-titik knot optimal disajikan dalam tabel berikut ini.
Berdasarkan data pelatihan (trainning), nilai MAPE yang diperoleh adalah 7,03 dan nilai MAPE untuk data pengujian (testing) adalah 1,75. Jadi, nilai MAPE keseluruhan adalah 4,39 atau kurang dari 10, yang menunjukkan bahwa model yang dihasilkan sangat prediktif. Berdasarkan Tingkat suku bunga BI, model yang dikembangkan dalam penelitian ini dapat digunakan untuk memprediksi IKI.
Akhirnya diperoleh kesimpulan bahwa model terbaik untuk memprediksi IKI berdasarkan tingkat suku bunga BI menggunakan regresi nonparametrik dengan LSSE diperoleh dengan menempatkan tiga titik knot dan menggunakan orde satu. Nilai MAPE yang diperoleh kurang dari 10, menunjukkan bahwa model tersebut sangat akurat. Oleh karena itu, pendekatan menggunakan regresi nonparametrik dengan LSSE dapat secara efektif digunakan untuk memprediksi IKI berdasarkan tingkat suku bunga BI.
Penulis: Prof. Dr. Nur Chamidah, S.Si., M.Si.
Informasi lengkap (detail) dari penelitian ini dapat dilihat pada tulisan kami di laman:
https://doi.org/10.1063/5.0309279
Fitriyah, A.; Chamidah, N.; Saifudin, T. (2026). Prediction of Indonesia Composite Index Using BI Rate with Least Square Spline Nonparametric Regression. AIP Conference Proceedings 3326, 080018, pp. 1–8. DOI: 10.1063/5.0309279.
