PERAMALAN INFLASI DI KOTA BUKITTINGGI MENGGUNAKAN METODE SARIMA (SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE)

Lidya Nugrahmi; Jerry Heikal

doi:10.31869/me.v10i1.5219

PERAMALAN INFLASI DI KOTA BUKITTINGGI MENGGUNAKAN METODE SARIMA (SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE)

Lidya Nugrahmi, Jerry Heikal

Sari

ABSTRAK: Data dari Badan Pusat Statistik (BPS) Sumatera Barat, pada bulan Februari 2023, tingkat inflasi di Kota Bukittinggi berada di peringkat keempat dari 90 kota di Indonesia yang mengalami inflasi secara nasional year on year. Dari 90 Kota di Indonesia, terdapat 2 Kota di Sumatera Barat yang menghitung tingkat Inflasi, yaitu Kota Padang dan Kota Bukittinggi. Tujuan dari penelitian ini Untuk mengetahui nilai peramalan inflasi Kota Bukittinggi menggunakan metode SARIMA. Penelitian ini menggunakan data musiman bps.go.id berupa pola pergerakan harga bahan pokok. Metode yang digunakan adalah metode SARIMA. Penelitian ini adalah penelitian kuantitatif. Hasil penelitian ini Model SARIMA terbaik yang terbentuk dari peramalan inflasi Kota Bukittinggi periode Juli 2023 sampai dengan Desember 2025 adalah model pdq (1,0,0) PDQ (1,0,1).

Kata Kunci: Inflasi; SARIMA; EViews

Teks Lengkap:

PDF

Referensi

(Badan Pusat Statistik, 2017)Agung, I. G. N. (2019). Advanced Time Series Data Analysis. In Advanced Time Series Data Analysis. https://doi.org/10.1002/9781119504818

Aplikasi Model Sarima untuk Peramalan Tingkat Inflasi Kota Purwokerto - Repository Universitas Jende. (n.d.).

Ardiansah, I., Pujianto, T., Rahmah, D. M., Putri, S. H., & Putri, G. A. (2023). Perencanaan dan Pengendalian Stok Menggunakan Economic Order Quantity (EOQ).

Badan Pusat Statistik. (2017). Badan Pusat Statistik (pp. 335–358). https://doi.org/10.1055/s-2008-1040325

BI, L. (n.d.). Laporan.

Bukittinggi, B. K. (n.d.). BPS Kota Bukittinggi. https://bukittinggikota.bps.go.id/indicator/12/34/1/jumlah-penduduk-kota-bukittinggi.html

Burch dan Grudnitski dalam (Fauzi, 2017:19-21). (2019). Bab II Landasan Teori. Journal of Chemical Information and Modeling, 53(9), 1689–1699.

Chatfield, C. (2003). The Analysis of Time Series. In The Analysis of Time Series. https://doi.org/10.4324/9780203491683

Dailibas, Nasution, R., & Suwanda, D. (2010). Panduan Penyusunan Rencana Pembangunan Jangka Menengah Daerah (pp. 31–32).

Fadliani, I., & Purnamasari, I. (2021). PERAMALAN DENGAN METODE SARIMA PADA DATA INFLASI DAN IDENTIFIKASI TIPE OUTLIER (Studi Kasus: Data Inflasi Indonesia Tahun 2008-2014) (Vol. 9, Issue 2, p. 109).

Fahrudin, R., & Sumitra, I. D. (n.d.). PERAMALAN INFLASI MENGGUNAKAN METODE SARIMA DAN SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS: KOTA BANDUNG). In Majalah Ilmiah UNIKOM (Vol. 17, Issue 2).

Fahrudin, R., & Sumitra, I. D. (2019). Peramalan Inflasi Dengan Metode Hybrid Sarima-Single Exponential Smoothing Untuk Penentuan Kebutuhan Hidup Layak Minimum ( Kapita / Bulan ): Kota Bandung (Issue 17).

Fogarty. (2009). Manajemen Operasi - Google Books. In Medpress Drs.Hery Prasetya - Fitri Lukiastuti, S. E., M. M. (p. 2). https://www.google.co.id/books/edition/Manajemen_Operasi/KqMYYO0Vge4C?hl=id&gbpv=1

Hartati, H. (2017). Penggunaan Metode Arima Dalam Meramal Pergerakan Inflasi. Jurnal Matematika Sains Dan Teknologi, 18(1), 1–10. https://doi.org/10.33830/jmst.v18i1.163.2017

Hendikawati, PutriajiRahayu, S., & Astutik, P. (2018). Peramalan Inflasi di Demak Menggunakan Metode ARIMA Berbantuan Software R dan MINITAB. In PRISMA, Prosiding Seminar Nasional Matematila (Vol. 1, pp. 745–754). file:///C:/Users/user/Downloads/20356-Article Text-40035-1-10-20180109.pdf

Heni Kusdarwati dkk. (2022). Analisis Deret Waktu Univariat Linier. https://www.google.co.id/books/edition/Analisis_Deret_Waktu_Univariat_Linier/XGimEAAAQBAJ?hl=id&gbpv=0

Hermawan, R. (2022). Analisis Peramalan Penjualan Produk Nutrisi Dengan Metode ARIMA dan SARIMA Pada PT Sapto Bumi Hidroponik. In Junal Ilmiah Teknik Industri Prima) (Vol. 5, Issue 2, pp. 17–25).

Hipel, K. W., & McLeod, A. I. (1994). Time series modelling of water resources and environmental systems. In Time series modelling of water resources and environmental systems. https://doi.org/10.1016/0022-1694(95)90010-1

Indonesia Central Bureau of Statistics. (2017). Badan Pusat Statistik Provinsi Sumatera Barat. In BPS sumbar (p. 1). https://sumbar.bps.go.id/linkTableDinamis/view/id/124

Inflasi Bukittinggi peringkat keempat dari 90 kota di Indonesia - ANTARA Sumbar. (n.d.).

Kenali Analisis Time Series, Salah Satu Metode Statistika ya... (n.d.). https://dqlab.id/kenali-analisis-time-series-salah-satu-metode-statistika-yang-sering-digunakan

Kominfo. (n.d.). Kementerian Komunikasi dan Informatika. https://kominfo.go.id/index.php/content/detail/3415/Kominfo+%3A+Pengguna+Intern et+di+Indonesia+63+Juta+Orang/0/berita_satker

Kominfo. (2017). Detail berita ... (pp. 1–2). http://diskopumkm.jatimprov.go.id/viewmedia.%0Aphp?pages=det_berita&id=143

Lai, T. L., & Xing, H. (2008). Statistical Models and Methods for Financial Markets. In Methods (Vol. 102, p. 354). http://books.google.com/books?id=9tv0taI8l6YC%5Cnhttp://www.springerlink.com/index/10.1007/978-0-387-77827-3

Lisnawati, A. (2019). Model exponential smoothing holt-winter dan model SARIMA untuk peramalan tingkat hunian hotel di provinsi DIY. UNY Journal, 6–25.

Mathematics, A. (2016). 済無No Title No Title No Title. 1–23.

MPM Insurance. (2023). Pengertian Inflasi Beserta Jenis dan Cara Mengatasinya. In MPM Insurance. https://www.mpm-insurance.com/berita/pengertian-inflasi-beserta-jenis-dan-cara-mengatasinya/#:~:text=Berdasarkan tingkat keparahannya%2C inflasi terbagi,sedang%2C berat%2C dan hiperinflasi .(jenis

MPOT - Google Books. (n.d.). https://www.google.co.id/books/edition/MPOT/iiJnEAAAQBAJ?hl=en&gbpv=1&dq=kinerja+pegawai&pg=PA115&printsec=frontcover

Nainggolan, E. U. (2022). Ekonomi Indonesia di Tengah Ketidakpastian Global. In Artikel Kementrian Keuangan Republik Indonesia. https://www.djkn.kemenkeu.go.id/kanwil-kalbar/baca-artikel/15230/Ekonomi-Indonesia-di-Tengah-Ketidakpastian-Global.html

Nitisemito. (2001). Manajemen Operasional dan Implementasi dalam Industri - Google Books (p. 991). https://www.google.co.id/books/edition/Manajemen_Operasional_dan_Implementasi_d/HYgkEAAAQBAJ?hl=id&gbpv=1&dq=pengertian+lingkungan+kerja+dalam+manajemen+operasional&pg=PT1007&printsec=frontcover

Pemasaran Bang - Google Books. (n.d.). https://www.google.co.id/books/edition/Pemasaran_Bang/l9jMDwAAQBAJ?hl=id&gbpv=1

Penerapan Metode SARIMA dalam Peramalan Persentase Inflasi Bulanan Kabupaten Banyuwangi. (n.d.).

Public Finance Administration - Google Books. (n.d.).

Putri, S., & Sofro, A. (2022). Peramalan Jumlah Keberangkatan Penumpang Pelayaran Dalam Negeri di Pelabuhan Tanjung Perak Menggunakan Metode ARIMA dan SARIMA. In MATHunesa: Jurnal Ilmiah Matematika (Vol. 10, Issue 1, pp. 61–67). https://doi.org/10.26740/mathunesa.v10n1.p61-67

Rahmi Roza, M. N. F. (2020). Tutorial Sistem Informasi Prediksi Jumlah Pelanggan Menggunakan Metode Regr... - Google Books (p. 221). https://www.google.co.id/books/edition/Tutorial_Sistem_Informasi_Prediksi_Jumla/ixH9DwAAQBAJ?hl=id&gbpv=1&dq=XAMPP+adalah+perangkat+lunak+bebas,+yang+mendukung+banyak+sistem+operasi,+merupakan+kompilasi+dari+beberapa+program.+XAMPP+merupakan+tool+yang+men

Ramadhan, G. L., Agushinta, D., & Sussanto, H. (n.d.). SISTEMASI: Jurnal Sistem Informasi Peramalan Inflasi Indonesia dengan Seasonal Auto Regressive Integrated Moving Average. http://sistemasi.ftik.unisi.ac.id

Sa’adah, L. (2020). Manajemen Keuangan - Google Books. In 8 Juni 2020 (p. 181). https://www.google.co.id/books/edition/Manajemen_Keuangan/4VJLDwAAQBAJ?hl=id&gbpv=1&dq=pengertian+modal&printsec=frontcover%0Ahttps://www.google.co.id/books/edition/Manajemen_Keuangan/QuJqDwAAQBAJ?hl=id&gbpv=1&dq=buku+manajemen+keuangan&printsec=frontcove

Sains Manajemen - Google Books. (n.d.). https://www.google.co.id/books/edition/Sains_Manajemen/YeUjPfUMJbgC?hl=en&gbpv=1

Sitorus, V. B., Wahyuningsih, S., & Hayati, M. N. (2017). Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) di Bidang Ekonomi (Studi Kasus: Inflasi Indonesia). In Jurnal Eksponensial (Vol. 8, Issue 1, pp. 17–26). http://mmep.isme.ir/article_25341.html

Study: JENIS- JENIS METODE PERAMALAN. (n.d.).

Study Guide for Mankiw’s Principles of Microeconomics - Google Books. (n.d.).

Suseno, I. S. (2014). Seri Kebanksentralan No. 12.

Tarmiden Sitorus. (2015). Pasar Obligasi Indonesia Teori dan Praktik (p. 13).

Teknik PENGAMBILAN KEPUTUSAN ( PDFDrive ). (n.d.).

Triyono, W. dan A. (2019). Manajemen Pemasaran - Google Books. In CV Budi Utama (p. 15). https://www.google.co.id/books/edition/Manajemen_Pemasaran/mUkQEAAAQBAJ?hl=id&gbpv=1&dq=manajemen+pemasaran&printsec=frontcover%0Ahttps://www.google.co.id/books/edition/Manajemen_Pemasaran/-cSZDwAAQBAJ?hl=id&gbpv=1&dq=pemasaran&printsec=frontcover%0Ahttps

Utari, G. A. D., Cristina, R., & Pambudi, S. (2015). Inflasi di Indonesia: Karakteristik dan Pengendaliannya. Bank Indonesia Institute, 23(23), 1–64.

Wahyuningrat, A. R., Pratiwi, W. P., Wasono, R., & Utami, T. W. (2021). Peramalan Indeks Harga Konsumen Kabupaten Banyumas Dengan Metode Sarima. In Jurnal Litbang … (Vol. 3, Issue 1, pp. 135–140). http://cbt2olympicad6.unimus.ac.id/index.php/jle/article/download/55/57

Wahyuningsih, S., Memi Nor Hayati, D., Biri, R., Langi, Y. A. R., Paendong, M. S., Ramadhan, G. L., Agushinta, D., Sussanto, H., Bank, K., Padang, I., Indonesia, B., Fahrudin, R., Sumitra, I. D., Rahayu Puji Astutik, S., Hendikawati, P., Fadliani, I., Purnamasari, I., Rialita Hardani, P., Hoyyi, A., … Arjunita, C. (2016). PENGANTAR MANAJEMEN PRIYONO. In Jurnal Statistika Industri dan Komputasi (Vol. 5, Issue 2). https://doi.org/10.24036/ecosains.11065357.00

Zaenuddin, M. (2020). Statistik Terapan Untuk Ekonomi dan Bisnis (p. 465).

DOI: https://doi.org/10.31869/me.v10i1.5219