PWMJATENGPWMJATENG

Jurnal Litbang EdusaintechJurnal Litbang Edusaintech

Indeks Harga Konsumen (IHK) merupakan salah satu indikator ekonomi penting yang dapat memberikan informasi mengenai perkembangan harga barang/jasa yang dibayar oleh konsumen di suatu wilayah. Penghitungan IHK ditujukan untuk mengetahui perubahan harga dari sekelompokังค tetap barang atau jasa yang umumnya dikonsumsi oleh masyarakat setempat. Dalam metode yang digunakan dalam pemodelan data runtun waktu memiliki syarat khusus yaitu yang teridentifikasi efek heteroskedastisitas. Tujuan dari penelitian ini adalah untuk mengetahui model terbaik peramalan periode berikutnya serta hasil prediksi periode mendatang. Variabel yang digunakan adalah data Indeks Harga Konsumen dalam bulan. Sehingga untuk mengatasi permasalahan pada data penelitian ini digunakan metode Autoregressive Conditional Heteroscedasticity Generalized Autoregressive Conditional Heteroscedasticity (ARCH GARCH). Hasil penelitian ini didapatkan model ARCH GARCH model terbaik yang digunakan adalah ARIMA (1,1,1)~GARCH (1ntö). Dengan prediksi volatilitas dengan nilai standar deviasi 0.98283514, diperoleh prediksi volatilitas terendah sebesar 0.9632546 dan prediksi volatilitas tertinggi sebesar 0.9980155.

Penelitian ini menunjukkan bahwa model ARIMA (1,1,1)~GARCH (1,0) merupakan model terbaik untuk memprediksi IHK Kota Semarang.Model tersebut mampu memprediksi volatilitas IHK dengan standar deviasi 0,9828 dan memberikan perkiraan volatilitas lebih rendah 0,9633 dan lebih tinggi 0,9980.Dengan demikian, metode ARCH‑GARCH dapat digunakan sebagai alat peramalan IHK yang akurat pada wilayah Semarang.

Penelitian menunjukkan ARIMA (1,1,1)~GARCH (1,0) cocok memprediksi IHK Semarang. Namun data hanya hingga September 2018, sehingga tren terbaru tidak tercakup. Saran pertama: perlu memperbarui data hingga akhir 2023 untuk mengevaluasi keakuratannya. Saran kedua: bandingkan model ARCH‑GARCH dengan model GARCH‑M atau SVAR yang dapat menangkap interaksi antar variabel ekonomi. Saran ketiga: tambahkan variabel makro seperti tingkat pengangguran dan suku bunga sebagai eksogenus untuk meningkatkan penjelasan volatilitas. Saran keempat: gunakan teknik pemodelan nonlinier seperti neural network GARCH untuk penyesuaian pola nonlinier. Saran kelima: uji kestabilan model dengan bootstrapping untuk memvalidasi estimasi parameter. Saran keenam: lakukan analisis sensitivitas terhadap perubahan parameter arima dan garch. Saran ketujuh: publikasi temuan di jurnal regional untuk referensi pembuat kebijakan. Saran kedelapan: kembangkan dashboard interaktif bagi BPS Semarang guna memantau IHK real time.

  1. ARCH GARCH METHOD OF FORECASTING CONSUMER PRICE INDEX (CPI) IN SEMARANG | Jurnal Litbang Edusaintech.... journal.pwmjateng.com/index.php/jle/article/view/3ARCH GARCH METHOD OF FORECASTING CONSUMER PRICE INDEX CPI IN SEMARANG Jurnal Litbang Edusaintech journal pwmjateng index php jle article view 3
Read online
File size570.85 KB
Pages9
DMCAReport

Related /

ads-block-test