Forecasting tingkat inflasi di Kabupaten Belitung dengan menggunakan metode ARIMA (Autoregressive Integrated Moving Average)
Nathiq, Muhammad Maulana Ajalun (2023) Forecasting tingkat inflasi di Kabupaten Belitung dengan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Undergraduate (S1) thesis, Universitas Islam Negeri Walisongo Semarang.
Skripsi_1905026027_Muhammad_Maulana_Ajalun_Nathiq.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.
Download (1MB)
Abstract
Inflasi merupakan keadaan dimana terjadinya kenaikan harga komoditas barang dan jasa secara umum dan berkelanjutan pada waktu tertentu. Inflasi berperan penting terhadap kestabilan perekonomian di suatu wilayah termasuk di kabupaten Belitung. Forecasting inflasi menggunakan metode ARIMA menjadi penting dilakukan sebagai salah satu upaya dalam pengendalian inflasi di kabupaten Belitung. Tujuan dari penelitian ini adalah untuk memprediksi tingkat inflasi di kabupaten Belitung selama 3 bulan kedepan dengan menggunakan model ARIMA (Autoregressive Integrated Moving Average).
Jenis penelitian ini merupakan penelitian kuantitatif dan data yang digunakan adalah data sekunder yang diambil pada website resmi BPS Kabupaten Belitung. Data yang diolah merupakan data inflasi bulanan di Kabupaten Belitung mulai dari Januari 2014 hingga Desember 2022.
Hasil pengolahan data dengan menggunakan software eviews 10 didapatkan bahwa data tersebut telah stasioner pada tingkat level dan model terbaik ARIMA yaitu model (2, 0, 3). Model tersebut digunakan untuk memprediksi tingkat inflasi di kabupaten Belitung pada bulan Januari hingga Maret 2023. Hasil forecasting pada bulan Januari hingga Maret 2023 antara lain 1%, 1.1%, dan 0.6%. hasil forecast tersebut menunjukan terdapat sedikit perbedaan antara data hasil forecasting dan data aktual namun masih dalam batas eror. Hal tersebut dikarenakan terdapat data dengan fluktuasi yang tinggi secara signifikan yakni pada tahun 2014 yang disebabkan kenaikan harga BBM (Bahan Bakar Minyak) dan tahun 2021 hingga 2022 yang disebabkan oleh adanya Covid-19.
ABSTRACT:
Inflation is a condition where there is an increase in commodity prices of goods and services in general and continuously at a certain time. Inflation plays an important role in economic stability in an area, including the Belitung district. Inflation forecasting using the ARIMA method is important as an effort to control inflation in Belitung district. The purpose of this study is to predict the inflation rate in Belitung district for the next 3 months using the ARIMA (Autoregressive Integrated Moving Average) model.
This type of research is quantitative research and the data used is secondary data taken on the official website of the BPS Belitung Regency. The data processed is monthly inflation data in Belitung Regency from January 2014 to December 2022.
The results of data processing using the eviews 10 software show that the data is stationary at the levels and the best ARIMA model is model (2, 0, 3). This model is used to predict the inflation rate in Belitung district from January to March 2023. Forecasting results for January to March 2023 include 1%, 1.1% and 0.6%. The forecast results show that there is a slight difference between the forecasting data and the actual data but it is still within the error limit. This is because there is data with significantly high fluctuations, namely in 2014 which was caused by an increase in fuel prices (fuel oil) and from 2021 to 2022 which was caused by the Covid-19.
Item Type: | Thesis (Undergraduate (S1)) |
---|---|
Uncontrolled Keywords: | Inflasi; Autoregressive Integrated Moving Average (ARIMA); Forecasting |
Subjects: | 300 Social sciences > 330 Economics > 332 Financial economics > 332.4 Uang |
Divisions: | Fakultas Ekonomi dan Bisnis Islam > 60202 - Ekonomi Syariah (Ekonomi Islam) (S1) |
Depositing User: | Muhammad Mikail Azka |
Date Deposited: | 26 Jul 2023 04:25 |
Last Modified: | 26 Jul 2023 04:25 |
URI: | https://eprints.walisongo.ac.id/id/eprint/20131 |
Actions (login required)
Downloads
Downloads per month over past year