Model Vector Autoregressive dalam Menganalisis Pengaruh Harga Cabai Merah Besar dan Harga Cabai Rawit Hijau di Indonesia

Abstract

Berdasarkan Pusat Informasi Harga Pangan Strategis, cabai merupakan salah satu dari sepuluh komoditas yang memiliki kontribusi signifikan dalam pembentukan angka inflasi pada sektor bahan makanan di Indonesia. Oleh karena itu, cabai dapat dikatakan komoditas penting bagi perekonomian Indonesia. Harga komoditas cabai sering mengalami lonjakan harga dan fluktuatif. Oleh karena itu, analisis terhadap harga cabai dibutuhkan untuk membantu pengambilan kebijakan stabilisasi harga. Variabel pada penelitian ini adalah harga cabai merah besar dan harga cabai rawit hijau yang termasuk sebagai komoditas pangan strategis. Perkembangan harga cabai merah besar dan harga rawit hijau selama beberapa tahun membentuk data time series. Model Vector Autoregressive (VAR) adalah model peramalan data deret waktu multivariat. Model tersebut tidak hanya bergantung pada lag dari peubah itu sendiri tetapi juga dipengaruhi oleh lag peubah lainnya. Keunggulan Model Vector Autoregressive (VAR) adalah tidak perlu menentukan variabel bebas dan variabel terikat. Hasil penelitian menunjukkan model terbaik untuk menggambarkan harga cabai merah besar dan harga cabai rawit hijau adalah VAR(8). Nilai MAPE untuk harga cabai merah besar sebesar 8,59% dengan R^2 sebesar 80,00% dan untuk harga cabai rawit hijau sebesar 7.05% dengan R^2 sebesar 83,33%. Berdasarkan uji kausalitas Granger cabai merah besar dan cabai rawit hijau memiliki hubungan dua arah.

According to the Information Center for Strategic Food Prices, chili is one of ten commodities that have a significant contribution to the inflation rate in the food sector in Indonesia. Therefore, chili can be said to be an important commodity for the Indonesian economy. Chili commodity prices often spike and fluctuate. Therefore, an analysis of chili prices is needed to assist price stabilization policymaking. The variables in this study are the prices of large red chilies and the prices of green cayenne peppers, which were included as strategic food commodities. The price of large red chili and the prices of green cayenne pepper over several years form a time series. The Vector Autoregressive (VAR) model is a multivariate time series data forecasting model. The model does not only depend on the lag of the variable itself but is also affected by the lag of other variables. The advantage of the Vector Autoregressive Model (VAR) is that there is no need to determine dependent and independent variables. The results showed that the best model to describe the price of large red chilies and green cayenne peppers was VAR(8). The MAPE value for the price of large red chili is 8.59% with R^2 of 80.00% and for the price of green cayenne pepper is 7.05% with R^2 of 83.33%. Based on the Granger causality test, the price of large red chilies and the price of green cayenne pepper have a two-way relationship.