Regresi nonparametrik adalah teknik analisis regresi yang tidak memerlukan asumsi bentuk tertentu untuk kurva regresi. Pendekatan ini lebih mudah beradaptasi, yang memungkinkan kurva regresi sesuai dengan pola lokal data secara alami. Namun demikian, menentukan kurva regresi dalam regresi nonparametrik memerlukan wawasan dari data, yang dapat diperoleh dengan memeriksa diagram sebar pola data. Berbagai estimator tersedia untuk regresi nonparametrik, termasuk fungsi Spline, fungsi Kernel, seri Fourier, dan lain-lain. Penelitian untuk mengembangkan metode inferensi statistik, termasuk prosedur estimasi dan pengujian hipotesis, yang terdiri dari pengujian parsial dan simultan model regresi nonparametrik berdasarkan pendekatan seri Fourier sangat diperlukan. Sementara pekerjaan sebelumnya terutama difokuskan pada teknik estimasi, penelitian ini memperkenalkan kerangka kerja pengujian hipotesis terstruktur menggunakan statistik uji-F dan uji-T untuk mengevaluasi signifikansi parameter model. Dengan memanfaatkan data pengeluaran dunia nyata dari 29 kabupaten di Papua, Indonesia, kami meneliti Produk Domestik Regional Bruto per kapita, tingkat kemiskinan, dan tingkat partisipasi angkatan kerja sebagai prediktor pengeluaran per kapita. Parameter osilasi terbaik ditentukan melalui Generalized Cross Validation (GCV), yang meningkatkan akurasi model. Temuan menunjukkan pengaruh signifikan variabel prediktor pada model, didukung oleh uji simultan menggunakan uji F dan uji parsial menggunakan uji T.
Penulis: Suliyanto, Drs., M.Si.
