SUPRIYANTO, Supriyanto (2025) Model Peramalan Inflasi Indonesia Berdasarkan Faktor-Faktor Ekonomi Makro Dan Kebijakan Moneter. Doctoral thesis, Universitas Jenderal Soedirman.

	PDF (Cover) Cover_1.pdf Download (565kB)
	PDF (Legalitas) Legalitas Supriyanto C3B021003.pdf Restricted to Repository staff only Download (2MB)
	PDF (Abstrak) Abstrak_1.pdf Download (517kB)
	PDF (BabI) Bab 1 Supriyanto C3B021003.pdf Restricted to Repository staff only Download (641kB)
	PDF (BabII) Bab II Supriyanto C3B021003.pdf Restricted to Repository staff only Download (982kB)
	PDF (BabIII) Bab III Supriyanto C3B021003.pdf Restricted to Repository staff only Download (692kB)
	PDF (BabIV) Bab IV Supriyanto C3B021003 1.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) Bab V Supriyanto C3B021003.pdf Download (528kB)
	PDF (DaftarPustaka) Daftar Pustaka Supriyanto C3B021003.pdf Download (669kB)
	Text (Lampiran) Lampiran Supriyanto C3B021003 1.pdf Restricted to Repository staff only Download (975kB)

Abstract

Inflasi merupakan salah satu indikator penting yang mencerminkan kondisi perekonomian suatu negara. Di Indonesia, inflasi tidak hanya memengaruhi stabilitas harga tetapi juga berdampak pada daya beli masyarakat, pertumbuhan ekonomi, dan kesejahteraan sosial. Namun, meskipun Bank Indonesia telah menetapkan target inflasi tahunan, kenyataannya realisasi inflasi sering kali melampaui target tersebut. Ketidakstabilan ini dipengaruhi oleh berbagai faktor, termasuk jumlah uang beredar, suku bunga, nilai tukar rupiah, Tingkat pengangguran terbuka, PDB, dan investasi. Oleh karena itu, diperlukan model peramalan yang dapat menangkap kompleksitas hubungan antara faktor-faktor ekonomi makro dan kebijakan moneter dengan inflasi, sehingga dapat memberikan rekomendasi kebijakan yang lebih akurat. Penelitian ini bertujuan mengembangkan model hybrid yang menggabungkan metode linier dengan metode non-linier. Model ini dirancang untuk meningkatkan akurasi peramalan inflasi dengan memanfaatkan kekuatan masing-masing pendekatan dalam menangkap pola data. Dengan hasil yang lebih akurat, model ini diharapkan mampu memberikan kontribusi signifikan terhadap pengendalian inflasi dan stabilitas ekonomi Indonesia. Data yang digunakan berupa data sekunder yang diambil dari Bank Indonesia dan Badan Pusat Statistik. Data mencakup variabel ekonomi makro seperti jumlah uang beredar, suku bunga, nilai tukar rupiah, tingkat pengangguran terbuka, PDB, investasi asing, dan investasi domestik, dengan inflasi sebagai variabel dependen dalam interval waktu 2011-2023. Beberapa model peramalan digunakan untuk membandingkan performa masing-masing, yaitu Autoregressive Integrated Moving Average (ARIMA), Artificial Neural Network (ANN), dan Generalized Autoregressive Conditional Heteroscedasticity (GARCH). dan berbagai model hybrid (ARIMA-ANN, ARIMA-GARCH, dan Neuro-GARCH). Proses analisis dimulai dengan uji stasioneritas data menggunakan metode Augmented DickeyFuller (ADF) dan uji diagnostik lainnya untuk memastikan keandalan model. Model ARIMA digunakan untuk menangkap pola linier, sedangkan ANN dirancang untuk mengenali pola non-linier pada data inflasi. Model hybrid, khususnya Neuro-GARCH, menggabungkan hasil prediksi ARIMA dengan ANN untuk meningkatkan akurasi prediksi, terutama dalam menangkap pola volatilitas data inflasi. Evaluasi akurasi dilakukan menggunakan Mean Absolute Percentage Error (MAPE) untuk membandingkan performa masing-masing model. Penelitian ini menemukan bahwa inflasi di Indonesia dipengaruhi secara signifikan oleh beberapa variabel ekonomi makro. Jumlah uang beredar, nilai tukar rupiah, dan tingkat pengangguran terbuka memiliki pengaruh positif terhadap inflasi, sedangkan suku bunga dan PDB menunjukkan pengaruh negatif. Temuan ini menunjukkan bahwa peningkatan jumlah uang beredar atau depresiasi nilai tukar cenderung meningkatkan inflasi, sementara kenaikan suku bunga dan pertumbuhan ekonomi yang lebih tinggi dapat membantu menekan inflasi. Dari sisi akurasi, model hybrid Neuro-GARCH menunjukkan performa terbaik dengan nilai MAPE terendah dibandingkan dengan model ARIMA dan ANN secara terpisah. Model ini mampu menangkap pola volatilitas dan non-linieritas data inflasi dengan lebih baik. Sebagai perbandingan, model ARIMA unggul dalam memprediksi pola linier tetapi kurang efektif dalam menangkap fluktuasi data yang kompleks. Di sisi lain, ANN memberikan hasil yang lebih baik untuk pola non-linier tetapi tidak cukup kuat dalam menangani elemen volatilitas. Penelitian ini menawarkan alternatif solusi dan wawasan yang signifikan bagi pengambil kebijakan dan pelaku ekonomi. Model hybrid Neuro-GARCH dapat digunakan oleh Bank Indonesia dan pemerintah sebagai alat untuk memperkirakan inflasi secara lebih akurat, sehingga memungkinkan perencanaan kebijakan moneter yang lebih efektif. Misalnya, model ini dapat membantu dalam menentukan tingkat suku bunga yang tepat untuk menekan inflasi atau mengelola jumlah uang beredar agar tetap sesuai dengan target inflasi nasional. Secara keseluruhan, pengembangan model hybrid Neuro-GARCH memberikan solusi yang lebih komprehensif dan akurat dalam memahami dinamika inflasi di Indonesia. Dengan memadukan metode GARCH dan ANN, model ini tidak hanya memberikan kontribusi teoretis pada bidang peramalan inflasi tetapi juga manfaat praktis yang nyata dalam mendukung stabilitas ekonomi dan kesejahteraan masyarakat.

Actions (login required)

View Item