Javascript must be enabled to continue!
MENGANALISIS PERKEMBANGAN INFLASI DAN MEMPREDIKSI ARAHNYA DENGAN MODEL ARIMA
View through CrossRef
Inflasi merupakan indikator perekonomian yang penting karena dapat mempengaruhi daya beli masyarakat, investasi, dan stabilitas perekonomian secara keseluruhan.Meskipun tingkat inflasi yang stabil dianggap positif bagi pertumbuhan ekonomi, namun inflasi yang tinggi atau tidak terkendali dapat menimbulkan ketidakpastian dan permasalahan perekonomian. Oleh karena itu, sangat penting bagi pengambil kebijakan dan pelaku ekonomi untuk memahami dan memprediksi pergerakan inflasi agar dapat mengambil langkah yang tepat guna menjaga stabilitas perekonomian negara. ARIMA (Autoregressive Integrated Moving Average) adalah teknik analisis deret waktu yang digunakan untuk memprediksi nilai masa depan berdasarkan pola dan tren data historis. Penelitian ini menggunakan metode Arima untuk memprediksi inflasi di Indonesia. Dengan menggunakan R, Google Colab, dan RStudio, peneliti menggunakan data dari tahun 2006 hingga 2023 untuk mengidentifikasi tren dan data dari tahun 2019 hingga 2023 untuk memprediksi inflasi selama enam bulan ke depan. Berdasarkan hasil penelitian, orde ARIMA optimal adalah 3,1,2, nilai MAPE 8,55%, RMSE 0,32%, MAE 0,23%. Inflasi diperkirakan sebesar 2,58-3% selama enam bulan ke depan. Meski demikian, studi ini menyoroti pentingnya pemantauan terus menerus dan penyesuaian model untuk memprediksi perubahan kondisi perekonomian dan faktor eksternal. Oleh karena itu, penelitian ini berkontribusi terhadap analisis time series, khususnya penggunaan model ARIMA dalam memprediksi tren inflasi di Indonesia, yang mempengaruhi pembuat kebijakan dan pelaku ekonomi.
Title: MENGANALISIS PERKEMBANGAN INFLASI DAN MEMPREDIKSI ARAHNYA DENGAN MODEL ARIMA
Description:
Inflasi merupakan indikator perekonomian yang penting karena dapat mempengaruhi daya beli masyarakat, investasi, dan stabilitas perekonomian secara keseluruhan.
Meskipun tingkat inflasi yang stabil dianggap positif bagi pertumbuhan ekonomi, namun inflasi yang tinggi atau tidak terkendali dapat menimbulkan ketidakpastian dan permasalahan perekonomian.
Oleh karena itu, sangat penting bagi pengambil kebijakan dan pelaku ekonomi untuk memahami dan memprediksi pergerakan inflasi agar dapat mengambil langkah yang tepat guna menjaga stabilitas perekonomian negara.
ARIMA (Autoregressive Integrated Moving Average) adalah teknik analisis deret waktu yang digunakan untuk memprediksi nilai masa depan berdasarkan pola dan tren data historis.
Penelitian ini menggunakan metode Arima untuk memprediksi inflasi di Indonesia.
Dengan menggunakan R, Google Colab, dan RStudio, peneliti menggunakan data dari tahun 2006 hingga 2023 untuk mengidentifikasi tren dan data dari tahun 2019 hingga 2023 untuk memprediksi inflasi selama enam bulan ke depan.
Berdasarkan hasil penelitian, orde ARIMA optimal adalah 3,1,2, nilai MAPE 8,55%, RMSE 0,32%, MAE 0,23%.
Inflasi diperkirakan sebesar 2,58-3% selama enam bulan ke depan.
Meski demikian, studi ini menyoroti pentingnya pemantauan terus menerus dan penyesuaian model untuk memprediksi perubahan kondisi perekonomian dan faktor eksternal.
Oleh karena itu, penelitian ini berkontribusi terhadap analisis time series, khususnya penggunaan model ARIMA dalam memprediksi tren inflasi di Indonesia, yang mempengaruhi pembuat kebijakan dan pelaku ekonomi.
Related Results
Peramalan Harga Saham BBRI Menggunakan Metode Hybrid ARIMA-SVR
Peramalan Harga Saham BBRI Menggunakan Metode Hybrid ARIMA-SVR
Abstract. PT Bank Rakyat Indonesia (BBRI) is one of the most popular investment instruments, but it has high stock price volatility due to global and domestic economic factors. Thi...
PENERAPAN MODEL HIBRIDA ARIMA-LSTM PADA PREDIKSI INFLASI DI INDONESIA
PENERAPAN MODEL HIBRIDA ARIMA-LSTM PADA PREDIKSI INFLASI DI INDONESIA
Pengendalian inflasi penting untuk menjaga stabilitas ekonomi dan kesejahteraan masyarakat. Oleh karena itu, diperlukan perencanaan dan pengelolaan inflasi yang baik sebagai kunci ...
Penerapan Autoregressive Integrated Moving Average untuk Prediksi Inflasi Kabupaten Jember
Penerapan Autoregressive Integrated Moving Average untuk Prediksi Inflasi Kabupaten Jember
Abstract. Inflation is an economic phenomenon that causes a general and sustained increase in the prices of goods and services. One of the factors influencing inflation is the amou...
Comparison of ARIMA model, ARIMA-BPNN model and ARIMA-ERNN model in predicting incidence of dengue in China
Comparison of ARIMA model, ARIMA-BPNN model and ARIMA-ERNN model in predicting incidence of dengue in China
Abstract
Background
Dengue remains an enduring public health concern across tropical and subtropical regions of China, with a d...
FAKTOR - FAKTOR YANG MEMPENGARUHI TINGKAT INFLASI DI INDONESIA
FAKTOR - FAKTOR YANG MEMPENGARUHI TINGKAT INFLASI DI INDONESIA
Tesis ini menganalisa pengaruh tingkat suku bunga SBI, jumlah uang beredar, nilai tukar rupiah, pertumbuhan ekonomi, produk domestik bruto (PDB) dan pengeluaran pemerintah terhadap...
STRATEGI KEBIJAKAN MONETER TERHADAP INFLASI DI INDONESIA
STRATEGI KEBIJAKAN MONETER TERHADAP INFLASI DI INDONESIA
Latar Belakang : Penelitian ini membahas tentang Strategi kebijakan moneter merupakan bagian dari kebijakan makro, Tujuannya adalah untuk mengendalikan stabilitas nilai mata uang....
DAMPAK TEKNOLOGI TERHADAP PROSES BELAJAR MENGAJAR
DAMPAK TEKNOLOGI TERHADAP PROSES BELAJAR MENGAJAR
DAFTAR PUSTAKAAditama, M. H. R., & Selfiardy, S. (2022). Kehidupan Mahasiswa Kuliah Sambil Bekerja di Masa Pandemi Covid-19. Kidspedia: Jurnal Pendidikan Anak Usia Dini, 3(...
PENGARUH HARGA KOMODITAS PANGAN TERHADAP INFLASI DI KOTA PAREPARE
PENGARUH HARGA KOMODITAS PANGAN TERHADAP INFLASI DI KOTA PAREPARE
Penelitian ini bertujuan untuk menganalisis perkembangan harga komoditas pangan serta dampaknya terhadap inflasi di Kota Parepare. Metode yang digunakan dalam penelitian ini melipu...

