Analisis Hubungan Inflasi, Indeks Harga Konsumen dan Jumlah Uang Beredar di Indonesia Menggunakan Model Vector Autoregressive Integrated (VARI)

Ary Robayani; R Riaman; Betty Subartini

doi:10.24198/jmi.v18.n2.41501.179-188

Analisis Hubungan Inflasi, Indeks Harga Konsumen dan Jumlah Uang Beredar di Indonesia Menggunakan Model Vector Autoregressive Integrated (VARI)

Ary Robayani, R Riaman, Betty Subartini

Abstract

Data ekonomi merupakan data deret waktu yang cenderung fluktuatif dan mengandung trend, sehingga menyebabkan data tidak stasioner dan perlu dilakukan proses differencing. Metode Vector Autoregressive Integrated (VARI) adalah salah satu metode yang dapat digunakan pada data deret waktu multivariat yang mengalami proses differencing.

Dalam penelitian ini, dilakukan pemodelan data inflasi, indeks harga konsumen dan jumlah uang beredar di Indonesia dengan model VARI, penaksiran parameter dengan Maximum Likelihood Estimation (MLE), analisis hubungan antar variabel dengan uji kausalitas Granger, dan uji keakuratan hasil peramalan dengan Mean Absolute Percentage Error (MAPE).

Pada hasil penelitian diperoleh model VARI (1,1). Hasil uji kausalitas Granger pada model VARI (1,1) menunjukkan inflasi, indeks harga konsumen, dan jumlah uang beredar memiliki hubungan kausalitas dua arah. Nilai MAPE antara 20% - 50% untuk variabel inflasi dan indeks harga konsumen dan < 10% untuk variabel jumlah uang beredar, sehingga kedua model cukup baik digunakan untuk peramalan inflasi dan indeks harga konsumen, dan sangat baik digunakan untuk peramalan jumlah uang beredar.

Kata Kunci: deret waktu, VARI, MLE, uji kausalitas Granger, peramalan, MAPE.

Full Text:

PDF (Bahasa Indonesia)

References

%bibitem{ackley1973} Ackley, G., 1973, {em Teori Ekonomi Makro}, UI-PRESS, Jakarta. %tidak tercantum di manuskrip

%bibitem{afrizal2017} Afrizal, 2017, Analisis Kausalitas Inflasi dan Jumlah Uang Beredar di Indonesia, {em Jurnal Ekonomi Bisnis Dan Kewirausahaan, Volume 6, Issue 3, Pages 236–250}. %tidak tercantum di manuskrip

%bibitem{box1976} Box, G.E.P., and Jenkins, G.M., 1976, {em Time Series Analysis, Forecasting and Control}, edisi revisi, Holden-Day, San Fransisco. %tidak tercantum di manuskrip

bibitem{chang2007} Chang, P.C., Wang, Y.W., and Liu, C.H., 2007, The Development of a Weighted Evolving Fuzzy Neural Network for PCB Sales Forecasting, {em Expert Systems with Applications, Volume 32, Pages 86-96}.

%bibitem{granger1969} Granger, C.W.J., 1969, Investigating Causal Relations by Econometric Models and Cross-Spectral Methods, {em Journal of The Econometric Society, Volume 37, Issue 3, Pages 424–438}. %tidak tercantum di manuskrip

%bibitem{hanke2005} Hanke, J.E. and Wichers, D.W., 2005, {em Business Forecasting}, 8th ed., Pearson Prentice Hall, New Jersey. %tidak tercantum di manuskrip

bibitem{hilmer2006} Hillmer, S.C., and Wei, W.W.S., 2006, Time Series Analysis: Univariate and Multivariate Methods, {em Journal of the American Statistical Association, Volume 86, Issue 413, Page 245}.

%bibitem{manurung2001} Manurung, M., and Rahardja, P., 2001, {em Teori Ekonomi Makro}, Fakultas Ekonomi Universitas Indonesia, 45. %tidak tercantum di manuskrip

bibitem{shrestha2018} Shrestha, M.B., and Bhatta, G.R., 2018, Selecting appropriate methodological framework for time series data analysis, {em Journal of Finance and Data Science, Volume 4, Issue 2, Pages 71–89}.

%bibitem{sims1972} Sims, A.C., 1972, Christopher A. Sims and Vector Autoregressions, {em Scandinavian Journal of Economics, Volume 114, Issue 4, Pages 1082–1104}. %tidak tercantum di manuskrip

%bibitem{suhartono2008} Suhartono, 2008, {em Analisis Data Statistik dengan R}, ITS, Surabaya. %tidak tercantum di manuskrip

bibitem{wei1990} Wei, W.W.S., 1990, {em Time series analysis: Univariate and multivariate methods}, Addison Wesley, Canada.

bibitem{widarjono2007} Widarjono, A., 2007, {em Ekonometrika: teori dan aplikasi untuk ekonomi dan bisnis}, Ekonisia Yogyakarta.

bibitem{wulandari2014} Wulandari, A.D., Gusriani, N., and Ruchjana, N.B., 2014, Penaksiran Parameter Model Vector Autoregressive Integrated (VARI) dengan Metode MLE dan Penerapannya pada Data Indeks Harga Konsumen, {em IndoMS Journal on Statistics, Volume 2, Issue 1, Pages 27–37}.

%bibitem{wulandary2020} Wulandary, S., 2020, Vector Autoregressive Integrated (VARI) Method for Forecasting the Number of Internasional Visitor in Batam and Jakarta, {em Jurnal Matematika, Statistika Dan Komputasi, Volume 17, Issue 1, Pages 94–108}. %tidak tercantum di manuskrip

bibitem{yuliati2020} Yuliati, I.F., Istinah, A.N., Sihombing, P.R., 2020, Penerapan Vector Autoregressive Integrated (VARI) pada Data Jumlah Peserta KB Aktif, {em Jurnal Ilmiah Matematika Dan Terapan, Volume 17, Issue 2, Pages 258–272}.

bibitem{bi2021} Bank Indonesia, 2021, Data Inflasi, {em https://www.bi.go.id/id/statistik/indikator/data-inflasi.aspx on January 19, 2021}

bibitem{bps2021} Badan Pusat Statistik, 2021, Indeks Harga Konsumen dan Inflasi Bulanan Indonesia, 2006-2022, {em https://www.bps.go.id/statictable/2009/06/15/907/indeks-harga-konsumen-dan-inflasi-bulanan-indonesia-2006-2020.html on January 19, 2021}.

bibitem{bps2021b} Badan Pusat Statistik, 2021, Uang Beredar, {em https://www.bps.go.id/indicator/13/123/1/uang-beredar.html ~on ~January 19, 2021}.

end{thebibliography}

DOI: https://doi.org/10.24198/jmi.v18.n2.41501.179-188