<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="94863">
 <titleInfo>
  <title></title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rindi Novyanti</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2021</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>Masalah-masalah ekonomi makro yang sering dihadapi suatu negara adalah fluktuasi&#13;
harga-harga (inflasi), pengangguran, dan ketidakstabilan ekonomi baik disebabkan&#13;
oleh faktor-faktor domestik atau luar negeri. Salah satu masalah makro yang selalu&#13;
menjadi perhatian penting dari pemerintahan negara-negara berkembang di seluruh&#13;
penjuru dunia adalah masalah inflasi. Tingkat inflasi selalu berubah dari suatu periode&#13;
ke periode selanjutnya. Adakalanya tingkat inflasi meningkat tinggi dengan tiba-tiba&#13;
sebagai akibat dari suatu peristiwa tertentu. Peristiwa-peristiwa ini dapat dikatakan&#13;
sebagai suatu intervensi baik yang bersifat eksternal ataupun internal yang dapat&#13;
mempengaruhi pola data. Tujuan dari penelitian ini adalah untuk mengetahui model&#13;
yang sesuai untuk peramalan dan dapat membandingkan data hasil ramalan dengan&#13;
data aktual periode Januari 2021 sampai Mei 2021. Metode yang digunakan untuk&#13;
meramalkan data tingkat inflasi di Indonesia adalah Autoregressive Integrated Moving&#13;
Average (ARIMA) Intervensi, kemudian dilanjutkan dengan model Autoregressive&#13;
Conditional Heteroscedasticity (ARCH) atau Generalized Autoregressive Conditional&#13;
Heteroskedasticity (GARCH) yang digunakan apabila residual model ARIMA&#13;
Intervensi tidak memenuhi asumsi pengujian diagnostik model dan mengandung&#13;
heteroskedastisitas. Data tingkat inflasi yang digunakan dalam penelitian ini&#13;
merupakan data deret waktu bulanan dari Januari 2003 sampai Desember 2020. Hasil&#13;
penelitian menunjukkan bahwa model yang sesuai dalam melakukan peramalan data&#13;
tingkat inflasi yaitu model ARIMA (2, 1, 2) – GARCH (8,1) dengan nilai MAE sebesar&#13;
0,196, RMSE sebesar 0,052 dan MAPE sebesar 13,92% yang berarti peramalan sudah&#13;
baik berdasarkan perhitungan MAE, RMSE dan MAPE.&#13;
&#13;
&#13;
Kata Kunci : Inflasi, ARIMA, Analisis Intervensi, ARCH, GARCH</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>94863</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2021-10-14 13:35:38</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2021-10-14 14:29:55</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>