PEMODELAN GENERALIZED SPACE TIME AUTOREGRESSIVE (GSTAR) UNTUK PERAMALAN TINGKAT INFLASI DI PULAU JAWA

Authors

  • Maria Ingriela Toja Mario 3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
  • Kartiko Kartiko 3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
  • Rokhana Dwi Bekti 3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

Keywords:

Kata Kunci: Inflasi, Model GSTAR, OLS

Abstract

ABSTRAK. Peramalan data nilai Inflasi sangat penting dilakukan sebagai bahan pertimbangan pengambilan keputusan pemerintah dalam pelaksanaan pembangunan di sektor ekonomi di masa yang akan datang. Selanjutnya, data inflasi di Pulau Jawa dijadikan representasi data inflasi di Indonesia. Model Generalized Space Time Autoregressive (GSTAR) merupakan model deret waktu multivariat yang melibatkan efek lokasi dan waktu pada kondisi data yang stasioner. Pemodelan GSTAR dengan data Inflasi memiliki residual yang saling berkorelasi antar lokasi sehingga estimasi model GSTAR dengan OLS menjadi tidak efisien. Dalam penelitian ini, estimasi parameter yang digunakan adalah metode OLS atau dapat ditulis menjadi model GSTAR-OLS. Penelitian ini menggunakan data time series bulanan Inflasi dari bulan Januari 2014 sampai bulan Desember 2019 di Pulau Jawa, yaitu Provinsi Jawa Barat, Banten, DKI Jakarta, Jawa Timur, Jawa Tengah dan D.I Yogyakarta. Hasil penelitian menunjukkan bahwa model yang didapat yaitu model GSTAR (1,0,1) dan GSTAR (1,0,0). Dari ke dua model tersebut dilakukan peramalan data inflasi untuk ke enam Provinsi di pulau Jawa dan hasil peramalannya memberikan perbedaan hasil peramalan yang signifikan untuk kedua model tersebut. Hasil penelitian ini juga menunjukkan bahwa model GSTAR (1,0,1) memiliki ketepatan peramalan yang tinggi. Hal ini ditunjukkan dari nilai AIC model GSTAR (1,0,1) yaitu 0,9095072 lebih kecil dari model GSTAR (1,0,0) yaitu 524,7. Sehingga model GSTAR (1,0,1) adalah model yang baik untuk digunakan meramalkan data inflasi untuk ke enam provinsi di pulau Jawa.

 

Author Biographies

Maria Ingriela Toja Mario, 3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

Kartiko Kartiko, 3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

Rokhana Dwi Bekti, 3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

3Jurusan Statistka, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta

Downloads

Published

2021-09-23