Penerapan Model SARIMA untuk Memprediksi Tingkat Inflasi di Indonesia

Muhammad Irfan Rizki, Teguh Ammar Taqiyyuddin

Abstract


Inflasi dapat diartikan sebagai kejadian meningkatnya harga – harga barang ataupun jasa secara keseluruhan dan berkelanjutan yang mengakibatkan  penurunan nilai tukar rupiah mempengaruhi daya beli industri untuk mengimpor bahan baku atau bahan mentah.  Hal tersebut tentunya dapat mengancam yang ditandai fenomena moneter yang mencerminkan adanya pertumbuhan moneter yang berlebihan dan tidak stabil. Upaya yang dapat dilakukan untuk mengatasi masalah ini adalah dengan meramalkan inflasi di Indonesia. Tujuan dari penelitian ini adalah mendapatkan model peramalan inflasi di Indonesia dengan periode bulanan sehingga dapat diketahui kapan perlunya peningkatan antisipasi dalam bentuk upaya penanganan agar inflasi tetap stabil. Data yang digunakan adalah data historis inflasi bulanan dengan periode waktu Januari 2003 sampai November 2020. Metode yang digunakan pada penelitian ini adalah model SARIMA, yaitu pengembangan dari model ARIMA yang dapat mengakomodasi adanya pola musiman pada data inflasi. Berdasarkan pengolahan data, diperoleh model terbaik dengan nilai AIC terkecil yaitu ARIMA(1,0,1)(1,1,1)12. Dengan melakukan penelitian ini, diharapkan dapat menjadi acuan bagi pemerintah untuk menentukan langkah antisipasi terjadinya masalah di bidang perekonomian pada bulan-bulan tersebut, dengan memberikan input bagi Bank Indonesia sebagai pertimbangan pengambilan kebijakan moneter.

 

Kata Kunci: Inflasi,SARIMA, Peramalan

 

Abstract

 

Inflation can be interpreted as an overall and sustainable increase in the prices of goods or services resulting in a decrease in the rupiah exchange rate affecting the purchasing power of the industry to import raw materials or raw materials. This, of course, can be threatening, marked by a monetary phenomenon that reflects excessive and unstable monetary growth. Efforts that can be made to overcome this problem is to forecast inflation in Indonesia. The purpose of this study is to obtain a model for forecasting inflation in Indonesia with a monthly period so that it can be seen when it is necessary to increase anticipation in the form of handling efforts so that inflation remains stable. The data used is historical monthly inflation data with a time period of January 2003 to November 2020. The method used in this study is the SARIMA model, which is the development of the ARIMA model that can accommodate seasonal patterns in inflation data. Based on data processing, the best model is obtained with the smallest AIC value, namely ARIMA(1,0,1)(1,1,1)12. By conducting this research, it is hoped that it can serve as a reference for the government to take steps to anticipate problems in the economy during these months, by providing input for Bank Indonesia as a consideration for making monetary policy.


Full Text:

PDF

References


R. Dornbusch and S. Fischer. 1997. Makroekonomi Edisi Keempat. Jakarta: Erlangga.

Istiqomah, “Pengaruh Inflasi dan Investasi Terhadap Nilai Tukar Rupiah dan Indonesia,” 2011.

Bank Indonesia (BI). 2020. Data Inflasi Januari 2003 hingga November 2020. https://www.bi.go.id/id/moneter/inflasi/data/Default.aspx. Diunduh pada tanggal 23 Desember 2020.

A. P. Raneo and F. Muthia, “Penerapan Model GARCH Dalam Peramalan Volatilitas di Bursa Efek Indonesia,” J. Manaj. Dan Bisnis Sriwij., vol. 16, no. 3, pp. 194–202, 2019.

K. Nurfadilah, F. R. C, and I. Kasse, “Peramalan Tingkat Suku Bunga Pasar Uang Antar Bank (Puab) Dengan Vector Autoregressive Exogenous (Varx),” J. MSA ( Mat. dan Stat. serta Apl. ), vol. 6, no. 1, p. 51, 2018.

S. Makridakis, S. C.Wheelright, and V. E.McGee, Metode dan Aplikasi Peramalan. Jakarta Barat: Binarupa Aksara, 1999.

Desvina and A. Pani, “Analisis Time Series Particulate Matter (PM10),” Lemb. Penelit. dan Pengabdi. Kpd. Masy. UIN SUSKA, 2014.

Cryer, J. D., and K.-S. Chan, Time Series Analysis with Application in R, Second. Lowa City: Springer, 2008.

A. pani desvina dan Khairunisa, “Penerapan Metode Arch / Garch Dalam Meramalkan Transaksi Nilai Tukar ( Kurs ) Jual Mata Uang Indonesia ( IDR ) Terhadap Mata Uang Eropa ( GBP ),” J. Sains Mat. dan Stat., vol. 4, no. 2, pp. 114–123, 2018.

F. Pakaja and A. Naba, “Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor,” Neural Networks, vol. 6, no. 1, pp. 23–28, 2015.




DOI: http://dx.doi.org/10.24014/jsms.v7i2.13168

Refbacks

  • There are currently no refbacks.


Jurnal JSMS
p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    :
jsmsfst@uin-suska.ac.id


 Paper-paper Jurnal JSMS Terindex di :