Peramalan Inflasi Provinsi Kalimantan Timur Tahun 2016-2022 Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)

  • Sindi Lukmaini Institut Teknologi Kalimantan
  • Kartika Nugraheni Jurusan Matematika dan Teknologi Informasi, Institut Teknologi Kalimantan, Indonesia 2Badan Pusat Statistik Provinsi Kalimantan Timur, Indonesia
  • Nurul Istiqomah Jurusan Matematika dan Teknologi Informasi, Institut Teknologi Kalimantan, Indonesia 2Badan Pusat Statistik Provinsi Kalimantan Timur, Indonesia

Abstract

Sebagai salah satu negara berkembang, Indonesia sering mengalami gejolak dalam menjaga kestabilan kegiatan perekonomian. Masalah ekonomi yang sering terjadi salah satunya tingkat inflasi yang tinggi. Hal tersebut berdampak pada pertumbuhan ekonomi Provinsi Kalimantan Timur yang melambat, tingkat pengangguran yang bertambah, dan menurunnya nilai mata uang rupiah. Kenaikan harga barang dan jasa secara umum, dimana barang dan jasa tersebut merupakan kebutuhan pokok masyarakat, serta mengakibatkan kenaikan harga pada barang lainnya disebut inflasi. Pada pengerjaan tugas khusus kali ini dilakukan peramalan terhadap data inflasi di Provinsi Kalimantan Timur menggunakan metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Metode ini dapat dilakukan dengan melihat pola pada plot ACF dan PACF musiman dan non musiman. Untuk mengetahui ketepatan mengenai model tersebut dilakukan uji asumsi residual. Dari model SARIMA yang telah di uji, maka akan dilakukan peramalan untuk mencari nilai inflasi di periode berikutnya. Peramalan ini dilakukan untuk mengetahui apakah terjadi peningkatan atau penurunan pada inflasi di Provinsi Kalimantan Timur.

References

[1] Azwar, S. 2010. Metode Penelitian. Yogyakarta: Pustaka Pelajar.
[2] Badan Pusat Statistik Provinsi Kalimantan Timur. 2023. Inflasi Provinsi Kalimantan Timur 2016-2022. Diakses pada 25 Januari 2023. https://kaltim.bps.go.id/indicator/3/147/8/inflasi.html
[3] Dimashanti, A. 2020. Peramalan Indeks Harga Konsumen Kota Semarang Menggunakan Sarima Berbantuan Software Minitab. Universitas Negeri Semarang.
[4] Fahrudin, R. Dwiguna, S. Irfan. 2020. Peramalan Inflasi Menggunakan Metode SARIMA dan Single Exponential Smoothing (Studi Kasus : Kota Bandung). Majalah Ilmiah UNIKOM, Vol. 17, No. 2. 111-120.
[5] Lanang, G. Dewi. A. Herry. S. 2021. Peramalan Inflasi Indonesia dengan Seasonal Auto Regressive Integrated Moving Average. Jurnal Sistem Informasi Univesrsitas Gunadarma, Vol. 10, No.3. 627-636.
[6] Rismala, R. and Dayawati. R.N. 2017. Prediksi Data Time Series Tingkat Inflasi di Indonesia dengan Menggunakan Differential Evolution. Forecasting, 1–8.
[7] Setyaningrum,R. and Muljono. 2016. Pengaruh Inflasi, Tingkat Suku Bunga, Dan Nilai Tukar Terhadap Return Saham. Jurnal Bisnis & Ekonomi, Vol. 14, No.2, 151-161.
Published
2023-08-26
How to Cite
LUKMAINI, Sindi; NUGRAHENI, Kartika; ISTIQOMAH, Nurul. Peramalan Inflasi Provinsi Kalimantan Timur Tahun 2016-2022 Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Prosiding Seminar Nasional Matematika dan Statistika, [S.l.], v. 3, n. 01, p. 80-89, aug. 2023. ISSN 2657-232X. Available at: <https://jurnal.fmipa.unmul.ac.id/index.php/SNMSA/article/view/1172>. Date accessed: 21 nov. 2024.