Pengembangan Ramalan Interval Pada Model GSTARX Untuk Peramalan Indeks Harga Konsumen Kelompok Bahan Makanan

Hapsari, Risma (2017) Pengembangan Ramalan Interval Pada Model GSTARX Untuk Peramalan Indeks Harga Konsumen Kelompok Bahan Makanan. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1315201704-Master_Theses.pdf]
Preview
Text
1315201704-Master_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Indeks Harga Konsumen (IHK) adalah indeks yang digunakan untuk mengukur perubahan harga pada sekelompok barang dan jasa yang dikonsumsi oleh rumah tangga pada periode tertentu. IHK bahan makanan termasuk komponen yang mudah bergejolak, artinya dominan dipengaruhi oleh shocks seperti gangguan alam dan perkembangan harga komoditas internasional. Pemodelan untuk peramalan IHK yang melibatkan aspek waktu dan lokasi (spatio temporal) dapat menggunakan Generalized Space Time Autoregressive (GSTAR). Untuk menambah akurasi dalam peramalan, model GSTAR dikembangkan menjadi model GSTARX dengan melibatkan variabel eksogen. Variabel eksogen yang digunakan dalam pemodelan GSTARX untuk peramalan IHK ini adalah kejadian Idul Fitri yang merupakan efek variasi kalender, kejadian bencana alam, dan kenaikan harga BBM. Studi kasus dalam pemodelan GSTARX ini diterapkan untuk peramalan IHK lima kota di Sumatera, yaitu Padang, Pekanbaru, Jambi, Palembang, dan Bengkulu. Tujuan penelitian ini adalah untuk mendapatkan model GSTARX yang sesuai untuk peramalan IHK kelompok bahan makanan lima kota di Sumatera, dan melakukan pengembangan peramalan interval, sehingga hasil ramalannya bisa dijadikan informasi awal bagi pemerintah dalam menentukan kebijakan. Analisis data time series menunjukkan model ARIMA dan GSTAR dengan penambahan variabel eksogen (variasi kalender dan intervensi kenaikan BBM dan bencana) akan memperkecil nilai RMSE yang berarti, permodelan semakin baik dibandingkan model tanpa variabel eksogen. Model terbaik pada GSTARX yaitu dengan bobot normalisasi inferensi parsial korelasi silang tidak menunjukkan adanya keterkaitan dengan wilayah lain. Hal tersebut berarti, pada fenomena harga bahan makanan di Pulau Sumatera tidak terbukti terdapat keterkaitan suatu lokasi dengan lokasi yang lain.
========================================================================================== Consumer Price Index (CPI) is an index used to measure the average change in prices in the group of goods and services consumed by households in a certain period. CPI is a monthly time series data are also influenced by aspects between locations. This is possible because there is a correlation between regions in meeting the needs of the goods / services of particular goods / services which cannot be produced. CPI according to the Foodstuffs group is one of the seven CPI according to commodity. CPI food ingredients including volatile components, it is meaning predominantly influenced by shocks such as natural disturbances and the development of international commodity prices. Modeling for forecasting CPI involving aspects of time and location (spatio temporal) can use the Generalized Space Time Autoregressive (GSTAR). To increase accuracy in forecasting, GSTAR developed into a model GSTARX involving exogenous variables. Exogenous variables used in modeling for forecasting CPI GSTARX are calendar variations, natural disasters, and rising fuel prices. The case studies in this GSTARX modeling applied to forecast the CPI five cities in Sumatra, i.e. Padang, Pekanbaru, Jambi, Palembang, and Bengkulu. The purpose of this study is to obtain appropriate GSTARX models for forecasting CPI foods five cities in Sumatra, and developing forecasting interval, so that the results can be used as preliminary information of his predictions for the government in determining policies. Analysis time series data shows that ARIMA and GSTAR models with exogenous variables (calendar variation and the increase of fuel and disaster interventions) will minimize RMSE values which means, modeling better than the model without exogenous variables. Analysis GSTARX GLS models with a normalization inference partial of cross correlation does not show any linkage with other regions. That means, the phenomenon of high food prices on the island of Sumatra did not prove there is a link one location to another.

Item Type: Thesis (Masters)
Uncontrolled Keywords: GSTARX; IHK; spatio temporal; time series; ramalan interval; interval prediction
Subjects: H Social Sciences > HA Statistics
H Social Sciences > HB Economic Theory > Economic forecasting--Mathematical models.
Divisions: Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis
Depositing User: Risma Risma Hapsari
Date Deposited: 10 Apr 2017 03:36
Last Modified: 10 Apr 2017 03:36
URI: http://repository.its.ac.id/id/eprint/3056

Actions (login required)

View Item View Item