| dc.description.abstract | Inflasi menjadi salah satu indikator makro ekonomi yang menggambarkan stabilitas perekonomian suatu negara. Pentingnya menjaga kestabilan inflasi sehingga pemerintah pusat membentuk Tim Pengendali Inflasi di Daerah (TPID). Pada pelaksanaannya TPID menemukan beberapa permasalahan penyebab ketidakstabilan inflasi. Penyebab ketidakstabilan itu antara lain kebijakan ekonomi pemerintah yaitu menaikkan/menurunkan harga bahan bakar minyak dan pajak, keterbatasan produksi bahan makanan, keterbatasan alat transportasi, keterbatasan distribusi dan struktur pasar yang kurang efisien.
Sumatera Utara merupakan salah satu provinsi yang besar di Indonesia. Provinsi Sumatera Utara merupakan provinsi dengan jumlah penduduk terbanyak di luar Pulau Jawa yaitu sekitar 13 juta jiwa. Selain itu, Sumatera Utara merupakan provinsi dengan jumlah kabupaten/kota ketiga terbanyak setelah Jawa Timur dan Jawa Tengah, yaitu 33 kabupaten/kota. Ada empat kota inflasi di Sumatera Utara yaitu Medan, Siantar, Sibolga dan Sidempuan.
Peramalan inflasi menjadi hal yang penting dalam mengambil kebijakan, sehingga beberapa peneliti telah melakukan kajian mengenai peramalan inflasi sebagai subjek penelitiannya. Salah satu pemodelan untuk peramalan inflasi yang telah dikaji oleh beberapa peneliti adalah pemodelan GSTARMA. Pemodelan ini dapat meramalkan inflasi secara simultan dengan mengikutsertakan pengaruh spasial didalam modelnya. Dalam perkembangannya, GSTARMA tidak hanya dipengaruhi oleh waktu dan spasial saja tetapi terdapat pengaruh peubah eksogen didalam model yang disebut pemodelan GSTARMA-X. Penelitian ini akan mengkaji peramalan inflasi dengan menggunakan GSTARMA dan GSTARMA-X. Peubah eksogen yang digunakan pada pemodelan GSTARMA-X ada 3 (tiga). Peubah eksogen pertama (D1) merupakan peubah boneka berupa variasi kalender pada bulan diterapkannya kebijakan ekonomi pemerintah menaikkan harga BBM, TDL, ELPIJI. Peubah eksogen kedua (D2) merupakan peubah boneka berupa variasi kalender pada bulan diterapkannya kebijakan ekonomi pemerintah menurunkan harga BBM, TDL, ELPIJI. Sementara itu, peubah eksogen ketiga (X3) merupakan nilai tukar Rupiah terhadap Dollar Amerika. Matriks pembobot yang digunakan pada penelitian ini adalah matriks pembobot invers jarak dan korelasi silang. Tujuan dari penelitian ini adalah membandingkan model GSTARMA dengan GSTARMA-X kemudian memilih model terbaik antara GSTARMA dan GSTARMA-X berdasarkan rata-rata AIC dan RMSEp terkecil.
Pada penelitian ini data yang digunakan berupa data sekunder yaitu data inflasi pada empat kota di Sumatera Utara dan data nilai tukar Rupiah terhadap Dollar Amerika. Data inflasi berasal dari publikasi BPS Sumatera Utara dan data nilai tukar Rupiah terhadap Dollar Amerika berasal dari publikasi Kementerian Perdanggangan Republik Indonesia. Data inflasi pada empat kota meliputi Kota Medan, Siantar, Sibolga dan Sidempuan. Data yang digunakan berupa data bulanan dari Januari 2008 hingga Desember 2016.
Hasil penelitian menunjukkan bahwa inflasi tertinggi dan terendah terjadi di Kota Sibolga. Inflasi tertinggi adalah 3.78 persen sedangkan inflasi terendah atau yang sering disebut deflasi adalah -2.43 persen. Koefisien korelasi antar lokasi penelitian cukup besar yaitu 0.7, signifikan dan bernilai positif. Korelasi tertinggi terjadi antara Kota Medan dan Kota Siantar yaitu 0.79. Sementara itu, korelasi terendah terjadi antara Kota Sidempuan dengan Kota Siantar yaitu 0.70.
Grafik dan uji ADF pada penelitian ini menunjukkan bahwa data inflasi pada empat kota telah stasioner pada rataan dan ragam. Identifikasi awal untuk penentuan orde waktu pada pemodelan GSTARIMA adalah menentukan model ARIMA terbaik pada setiap lokasi. Model ARIMA yang digunakan pada penelitian ini adalah model ARMA karena data yang digunakan sudah stasioner pada level. Kriteria model ARMA yang terbaik pada setiap lokasi adalah model yang memiliki pendugaan parameter yang signifikan, nilai AIC minimum, sisaan bersifat white noise dan memiliki mean square sisaan yang terkecil. Pada penelitian ini diperoleh bahwa model ARIMA terbaik untuk Kota Medan adalah AR(2)(1,0,0)6, untuk Kota Siantar adalah AR(1)(1,0,0)6. Sementara itu, model ARIMA terbaik untuk Kota Sibolga tidak teridentifikasi dan untuk Kota Sidempuan adalah AR (2).
Orde waktu pada pemodelan GSTARMA dibangun berdasarkan orde maksimum ARMA dari seluruh lokasi. Sementara itu, orde spasial pada penelitian ini dibatasi pada orde satu. Pada model ARMA diperoleh bahwa orde maksimum dari seluruh lokasi adalah AR(2)(1,0,0)6 sehingga model GSTARMA yang terbentuk adalah GSTAR(2;1)(1,0,0;1)6. Penggunaan dua matriks pembobot dan kombinasi dari 3 peubah eksogen menghasilkan 16 model yang seluruhnya layak digunakan. Penambahan peubah eksogen satu persatu dari model GSTAR(2;1)(1,0,0;1)6 menjadi model GSTAR-X(2;1)(1,0,0;1) mampu menurunkan sisaannya. Jika dibandingkan dari ketiga peubah eksogen, model GSTAR-D1(2;1)(1,0,0;1) merupakan model dengan peubah eksogen yang terbesar menurunkan sisaannya. Sementara itu, model GSTAR-D1D2X3(2:1)(1,0,0:1)6 merupakan model terbaik dari 16 model yang terbentuk karena menghasilkan rata-rata AIC yang terkecil yaitu -89.70 dan rata-rata RMSEp yang terkecil yaitu 0.57. | id |
