Electronic Theses and Dissertation

Salah satu indikator dalam sektor ekonomi yang dapat melihat perkembangan ekonomi di Indonesia adalah Indeks Harga Perdagangan Besar Indonesia (IHPBI). IHPBI merupakan indikator awal dalam analisis harga konsumen. Ketika IHPBI mengalami kenaikan, maka berakibat inflasi sehingga stabilitas ekonomi Indonesia dapat terganggu. Penelitian ini bertujuan untuk melihat perkembangan IHPBI 3 selama tahun mendatang melalui peramalan time series menggunakan metode ARFIMA dan intervensi multi input dengan syarat bahwa data harus mengandung pola long memory dan memiliki pola intervensi yaitu naik atau turunnya data secara drastis yang diakibatkan oleh pengaruh dari luar dugaan maupun kebijakan pemerintah. Hal ini dilakukan untuk mendapatkan model terbaik berdasarkan perbandingan dari kedua metode dan mengetahui pergerakan IHPBI selama 3 tahun mendatang. Hasil yang diperoleh menunjukkan model terbaik yaitu ARFIMA (1,d,0) dengan nilai d sebesar 0,1579, intervensi Januari 2009 dengan ARIMA (1,1,1) orde (b=0, s=1, r=1) dan intervensi November 2013 dengan ARIMA (1,1,2) orde (b=1, s=1, r=0). Peramalan IHPBI 3 tahun mendatang mengalami kenaikan secara perlahan setiap bulannya, adapun model terbaik berdasarkan perbandingan nilai akurasi yaitu intervensi November 2013 dengan ARIMA (1,1,2) dan orde (b=1, s=1, r=0), memiliki nilai akurasi MAE sebesar 0,0119, MSE sebesar 0,0036 dan MAPE sebesar 0,9079% yang menandakan model yang digunakan dalam peramalan sudah sangat baik.

Kata Kunci: IHPBI, time series, ARFIMA, intervensi, peramalan, akurasi

One of the indicators in the economic sector that can see economic developments in Indonesia is the Indonesian Wholesale Price Index (IHPBI). IHPBI is an early indicator in consumer price analysis. When the IHPBI increases, it results in inflation so that Indonesia's economic stability can be disrupted. This study aims to see the development of IHPBI 3 during the coming year through time series forecasting using the ARFIMA method and multi-input intervention with the condition that the data must contain a long memory pattern and have an intervention pattern, namely the drastic increase or decrease in data caused by unexpected or external influences. government policy. This is done to get the best model based on a comparison of the two methods and to find out the movement of the IHPBI over the next 3 years. The results obtained show that the best model is ARFIMA (1,d,0) with a d value of 0.1579, the January 2009 intervention with ARIMA (1,1,1) of order (b=0, s=1, r=1) and November 2013 intervention with ARIMA (1,1,2) order (b=1, s=1, r=0). IHPBI forecasting for the next 3 years is increasing slowly every month, while the best model based on the comparison of accuracy values is the November 2013 intervention with ARIMA (1,1,2) and order (b=1, s=1, r=0), has a value of MAE accuracy is 0.0119, MSE is 0.0036 and MAPE is 0.9079% which indicates the model used in forecasting is very good. Keywords: IHPBI, time series, ARFIMA, intervention, forecasting, accuracy