Pendekatan regresi nonparametrik Kernel merupakan salah satu pendekatan dalam regresi nonparametrik yang digunakan untuk memperkirakan harapan bersyarat dari variabel dependen relatif terhadap variabel independen dengan menggunakan fungsi Kernel. Fungsi kernel yang digunakan dalam penelitian ini yaitu fungsi Kernel Gaussian dan estimator yang digunakan adalah Nadaraya-Watson. Estimator Nadaraya-Watson merupakan estimator yang memperkirakan fungsi regresi sebagai rata-rata tertimbang secara lokal dengan menggunakan Kernel sebagai fungsi pembobot. Regresi nonparametrik Kernel juga dapat mengestimasi data yang berbentuk runtun waktu, seperti data Kurs, indeks Dow Jones dan Indeks Harga Saham Gabungan (IHSG). Tujuan penelitian ini adalah untuk melakukan estimasi parameter model dan memprediksi IHSG yang dipengaruhi variabel kurs dan variabel indeks Dow Jones menggunakan regresi nonparametrik Kernel. Model terbaik adalah yang mempunyai bandwidth optimal yang ditentukan berdasarkan Generalized Cross Validation (GCV) minimum. Berdasarkan hasil penelitian diperoleh model regresi nonparametrik Kernel dengan nilai bandwidth optimal sebesar 0,138 dan nilai GCV minimum sebesar 0,3902064, untuk variabel IHSG yang dipengaruhi variabel kurs. kemudian diperoleh nilai bandwidth optimal sebesar 0,332 dan nilai GCV minimum sebesar 0,2455519, untuk variabel IHSG yang dipengaruhi variabel indeks Dow Jones. Hasil prediksi variabel IHSG yang dipengaruhi variabel kurs mengalami fluktuasi pada interval Rp5.500,00 sampai dengan Rp6.200,00 yang terjadi pada bulan Febuari 2021 hingga Desember 2021, sedangkan hasil prediksi variabel IHSG yang dipengaruhi oleh variabel indeks dow Jones mengalami fluktuasi pada interval Rp6.100,00 sampai dengan Rp6.400,00 yang terjadi pada bulan Maret 2021 hingga Desember 2021.