MODEL REGRESI PENALIZED SPLINE PADA DATA NILAI EKSPOR REMPAH-REMPAH INDONESIA Bening Melati Ningrum, Dewi Retno Sari Saputro, Pangadi Program Studi Matematika FMIPA UNS Abstrak. Rempah-rempah merupakan komoditas pada sektor pertanian. Nilai ekspor rempah-rempah mengalami kenaikan relatif setiap tahunnya pada sektor tersebut. Data nilai ekspor rempah-rempah merupakan data runtun waktu ekonomi yang diterapkan secara parametrik dengan autoregressive moving average (ARMA). Model tersebut memiliki asumsi yang harus dipenuhi yaitu eror white noise. Setelah dilakukan uji asumsi eror white noise, data nilai ekspor rempah-rempah bulan Januari 2011 sampai dengan September 2016 menggunakan model ARMA(1,0) dan ARMA(0,1) memiliki eror yang tidak white noise. Oleh karena itu, digunakan model regresi nonparametrik yaitu penalized spline. Model tersebut merupakan model regresi spline yang terpenalti yaitu estimasi fungsi regresi bergantung pada titik knot dan parameter pemulus. Model regresi penalized spline terbaik dipilih berdasarkan banyaknya titik knot (K) optimum dan parameter pemulus (λ) optimum. Nilai K optimum dan λ optimum dipilih berdasarkan nilai generalized cross validation (GCV ) minimum. Dalam artikel ini diterapkan model regresi penalized spline linier dengan K adalah 1,2, . . . , 65 dan λ sebanyak 29. Berdasarkan hasil dan pembahasan, diperoleh model regresi penalized spline terbaik pada K optimum adalah 8 dan λ optimum adalah 31622.78 dengan GCV minimum adalah 315791386. Model tersebut memberikan nilai root mean square error (RMSE) 12627.73133. Nilai RMSE tergolong kecil sehingga model yang diperoleh baik untuk digunakan. Kata Kunci: nilai ekspor rempah-rempah, ARMA, white noise, GCV, penalized spline
