Peramalan Indeks Harga Konsumen dan Inflasi di Indonesia Menggunakan Metode Hybrid SSA-ARIMA dan Vector Autoregressive (VAR)

Royana, Cintini Cipta (2024) Peramalan Indeks Harga Konsumen dan Inflasi di Indonesia Menggunakan Metode Hybrid SSA-ARIMA dan Vector Autoregressive (VAR). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201015-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Indeks Harga Konsumen (IHK) adalah salah satu indikator yang digunakan sebagai tolok ukur harga rata-rata dari barang dan jasa yang dikonsumsi oleh rumah tangga. Salah satu kelompok IHK yang termasuk dalam komponen kelompok yang mudah bergejolak (volatile food) adalah kelompok pengeluaran yaitu kelompok makanan, minuman, dan tembakau karena dipengaruhi oleh shocks. Perhitungan nilai IHK menjadi penting untuk dapat mengawasi pergerakan harga barang-barang yang dapat menjadi pemicu terjadinya inflasi atau deflasi sehingga harga barang yang tersedia di masyarakat menjadi lebih stabil dan terkontrol. Peramalan inflasi adalah hal yang cukup penting dalam pengambilan keputusan di bidang moneter. Selama ini BPS menggunakan data IHK dalam menentukan tingkat inflasi. Oleh karena itu, peramalan dan pemodelan pada nilai IHK penting untuk dilakukan. Penelitian ini bertujuan untuk melakukan peramalan data IHK dan inflasi dengan metode Singular Spectrum Analysis (SSA)-Autoregressive Integrated Moving Average (ARIMA) yang akurat. Data IHK dan inflasi termasuk data time series sehingga dapat dilakukan peramalan dengan metode Hybrid SSA-ARIMA. Metode SSA mampu mendekomposisi deret waktu asli menjadi suatu penjumlahan dari sejumlah kecil komponen independen seperti trend, musiman, dan noise, sementara metode ARIMA adalah salah satu metode yang sering digunakan dalam peramalan data runtun waktu karena mempermudah dalam penentuan model. Penelitian ini menggunakan data periode Januari 2014 - Desember 2023 dan penentuan model terbaik berdasarkan kriteria RMSE, MASE, dan MAE. Kesimpulan yang diperoleh dari penelitian adalah metode SSA-ARIMA lebih baik dalam melakukan peramalan data IHK dan Inflasi. Berdasarkan hasil VAR menunjukkan bahwa terdapat kointegrasi antara data IHK dan Inflasi yang menunjukkan adanya hubungan jangka panjang antara kedua variabel. Peramalan untuk satu tahun kedepan menunjukkan kenaikan nilai IHK yang dapat menyebabkan kenaikan pada Inflasi.
========================================================================================================================
The Consumer Price Index (CPI) is one of the indicators used as a benchmark for the average prices of goods and services consumed by households. The CPI expenditure group, namely the food, beverage, and tobacco group, is included in components that are easily volatile (volatile food) because they influenced by shocks. Calculating the value of CPI is important to monitor the movement of prices of goods that can trigger inflation or deflation so that the prices of goods available in society become more stable and controlled. Forecasting inflation is quite important in decision-making in the monetary field. So far, the Central Statistics Agency (BPS) has used CPI data to determine the inflation rate. Therefore, forecasting and modeling on CPI values are important to be done. This study aims to forecast CPI and inflation data using the Singular Spectrum Analysis (SSA)-Autoregressive Integrated Moving Average (ARIMA) method that is accurate. CPI and inflation data are time series data so that forecasting can be done using the Hybrid SSA-ARIMA method. The SSA method is able to decompose the original time series into a sum of small number of independent components such as trends, seasonality, and noise while the ARIMA method is one of the methods commonly used in forecasting time series data because it simplifies model determination. This study uses data from January 2014 to December 2023 and model determination based on RMSE, MASE, and MAE criteria. The conclusion drawn from the research is that the SSA-ARIMA method is more effective in forecasting Consumer Price Index (CPI) and Inflation data. Based on the VAR result, there is cointegration between CPI and Inflation data, indicating a long-term relationship between the two variables. Forecasting for the upcoming year showns an increase in CPI values, which may lead a rise in Inflation.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	ARIMA, CPI, Inflation, Singular Spectrum Analysis, VAR, ARIMA, IHK, Inflasi, Singular Spectrum Analysis, VAR.
Subjects:	Q Science > QA Mathematics > QA280 Box-Jenkins forecasting Q Science > QA Mathematics > QA329.6 Hankel operators.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	CINTINI CIPTA ROYANA
Date Deposited:	01 Aug 2024 01:55
Last Modified:	01 Aug 2024 01:55
URI:	http://repository.its.ac.id/id/eprint/109828

Actions (login required)

View Item