Perpustakaan Digital ITB

Di akhir tahun 2022, dampak dari adanya inflasi semakin jelas terasa. Harga bahan pokok semakin meningkat seiring berjalannya waktu, bahkan beberapa negara mengalami kesulitan ekonomi akibat terjadinya inflasi. Cepat atau lambat, inflasi akan mempengaruhi harga beli petani sehingga memperburuk kesejahteraan masyarakat dengan mata pencaharian petani. Hal ini memotivasi untuk melakukan penelitian dan prediksi terkait inflasi dan nilai tukar petani sehingga pemerintah dapat mengambil tindakan yang sesuai untuk meminimalisir risiko perekonomian yang mungkin terjadi. Inflasi dan nilai tukar petani merupakan data time series bulanan yang diduga dipengaruhi oleh lokasi sehingga diperlukan model ruang-waktu untuk melakukan analisis. Model yang biasa digunakan untuk melakukan analisis ruang-waktu adalah model STAR dan GSTAR. Akan tetapi, model-model tersebut hanya dapat digunakan untuk menganalisis data deret waktu dengan satu variabel di beberapa lokasi. Dalam penelitian ini, akan digunakan pengembangan dari model GSTAR yang dapat menggabungkan banyak variabel di banyak lokasi yaitu model Multivariate GSTAR (MGSTAR). Dalam melakukan prediksi, model ruang-waktu harus memenuhi asumsi kestasioneran. Kestasioneran proses ruang-waktu menggunakan prinsip bahwa suatu proses memiliki rataan dan variansi konstan sepanjang waktu pengamatan. Sama seperti model GSTAR, model MGSTAR juga dapat didefinisikan kestasionerannya dengan memanfaatkan bentuk VAR dari model tersebut. Jika seluruh nilai eigen matriks parameter autoregresif berada di dalam lingkaran satuan, maka proses stasioner. Namun, seiring bertambahnya orde waktu pada model, persamaan karakteristik akan menjadi semakin rumit sehingga akan sulit untuk mencari nilai eigennya. Metode alternatif baru dalam pemeriksaan kestasioneran model GSTAR dikembangkan oleh Mukhaiyar (2012) yaitu dengan pendekatan invers matriks autokovariansi atau IMAk. Mengadaptasi dari penelitian tersebut, pada penelitian ini akan dicari IMAk untuk memeriksa kestasioneran model MGSTAR. Hasil yang diperoleh menunjukkan bahwa metode IMAk untuk MGSTAR serupa dengan metode IMAk untuk GSTAR. Hal yang membedakan keduanya hanyalah IMAk untuk model MGSTAR yang mengembang seiring bertambahnya banyak variabel. Prosedur pemodelan MGSTAR akan diterapkan untuk melakukan prediksi data perekonomian bulanan di beberapa provinsi di Pulau Jawa yaitu Jawa Barat, Jawa Tengah dan Jawa Timur dengan variabel ekonomi yang terdiri dari inflasi dan nilai tukar petani (NTP). Dengan menggunakan pembobotan invers jarak, estimasi parameter dalam pembentukan model didapatkan dengan menggunakan metode OLS untuk MGSTAR. Setelah didapatkan model yang sesuai untuk data inflasi dan NTP, akan dilakukan uji diagnostik pada model tersebut. Pada penelitian ini, uji diagnostik kestasioneran model akan dilakukan melalui pendekatan alternatif yaitu menggunakan IMAk pada model MGSTAR. Hasil dari pemeriksaan kestasioneran melalui IMAk akan dibandingkan dengan pemeriksaan kestasioneran melalui pendekatan nilai eigen. Nilai AIC menunjukkan bahwa model MGSTAR(1;1) dan MGSTAR(2;1,1) merupakan model dengan orde autoregressive terbaik dalam melakukan pemodelan data. Pemeriksaan melalui pendekatan IMAk menghasilkan kesimpulan yang berbeda dengan pendekatan nilai eigen yang mengatakan bahwa kedua model stasioner. Meskipun begitu, hasil prediksi model MGSTAR(1;1) dan MGSTAR(2;1,1) dapat dikatakan cukup baik, hal ini ditandai dengan nilai RMSE yang kecil yaitu 1,38 dan 1,53.