Perekonomian suatu negara merupakan salah satu faktor penting dalam mewujudkan kesejahteraan rakyat. Sebagai negara berkembang, Indonesia memiliki struktur perekonomian yang masih bercorak agraris sehingga rentan terhadap goncangan terhadap kestabilan perekonomian. Salah satu fenomena ekonomi yang selalu menarik untuk dibahas adalah inflasi. Hal ini karena inflasi berdampak luas pada makroekonomi, seperti pertumbuhan ekonomi, daya saing, dan distribusi pendapatan. Bank Indonesia merupakan salah satu lembaga yang mengendalikan laju inflasi di Indonesia dengan mengevaluasi apakah target inflasi menggambarkan proyeksi inflasi di masa depan. Prediksi tingkat inflasi di masa depan diperlukan oleh pemerintah dan dunia usaha sebagai dasar penentuan kebijakan dan strategi di bidang ekonomi. Terdapat dua pendekatan yang dapat digunakan untuk memprediksi yaitu dengan pendekatan parametrik dan pendekatan nonparametrik. Salah satu pendekatan parametrik yang digunakan untuk memprediksi adalah Autoregressive Integrated Moving Average (ARIMA). Jika hubungan fungsional antara variabel respon dan variabel prediktor tidak mengikuti suatu bentuk fungsi regresi tertentu, maka peneliti dapat menggunakan pendekatan regresi nonparametrik. Pendekatan ini memiliki fleksibilitas tinggi karena fungsi regresi tidak ditentukan dalam bentuk tertentu tetapi diasumsikan mulus sehingga dapat diperkirakan dengan menggunakan metode pemulusan tertentu berdasarkan pola data. Estimator polinomial lokal merupakan pendekatan yang popular dalam regresi nonparametrik yang dapat diterapkan pada data cross-section dan data time series.
Dalam tulisan ini dibahas prediksi tingkat inflasi di Indonesia dengan menggunakan pendekatan parametrik (ARIMA) dan pendekatan nonparametrik berdasarkan estimator polinomial lokal kemudian dipilih model terbaik menggunakan kriteria kebaikan model yaitu Mean Absolute Percentage Error (MAPE).
Data sekunder yang digunakan dalam pemodelan ini adalah tingkat inflasi di Indonesia yang terdiri dari 180 observasi, diambil secara bulanan dari September 2004 sampai Agustus 2019 dan bersumber dari website Bank Indonesia. Data diklasifikasikan menjadi dua bagian, yaitu data in-sample (data dari September 2004 sampai dengan Agustus 2016) yang digunakan untuk membangun model dan data out- sample (dari September 2016 sampai Agustus 2019) yang digunakan untuk memprediksi.
Peneliti menggunakan pendekatan regresi nonparametrik berdasarkan estimator polinomial lokal untuk memprediksi tingkat inflasi di Indonesia. Derajat polinomial yang digunakan adalah 0, 1 dan 2. Model terbaik dari pendekatan regresi nonparametrik berdasarkan estimator lokal adalah model lokal linier (derajat polinomial 1) dengan nilai bandwidth sebesar 0,267 dan MAPE sebesar 5,967% (kategori sangat akurat). Untuk pemodelan dengan pendekatan parametrik dengan menggunakan model ARIMA diperoleh model ARIMA (0, 1, 1) (0, 0, 1)12 yang mempunyai parameter signifikan, memenuhi asumsi white noise dan mempunyai MSE minimum. Model ini yang digunakan untuk memprediksi tingkat inflasi di Indonesia dan menghasilkan nilai MAPE sebesar 7,743% (kategori sangat akurat). Berdasarkan hasil analisis, diperoleh nilai MAPE model regresi nonparametrik berdasarkan estimator polinomial lokal kurang dari nilai MAPE berdasarkan model ARIMA sehingga dapat disimpulkan bahwa model regresi nonparametrik dengan menggunakan estimator polinomial lokal lebih baik darpada model ARIMA.
Penulis: Dr. Nur Chamidah, M.Si.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://iopscience.iop.org/article/10.1088/1742-6596/1776/1/012065/pdf
Vita Fibriyani and Nur Chamidah, 2021. Prediction of Inflation Rate in Indonesia Using Local Polynomial Estimator for Time Series Data IOP Conf. Series: Journal of Physics: Conf. Series 1776 012065, doi:10.1088/1742-6596/1776/1/012065,
