Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average

Abstrak Inflasi adalah satu permasalahan yang dihadapi oleh banyak negara berkembang. Salah satunya adalah negara Indonesia yang memiliki penduduk besar sehingga tingkat konsumtif pun tinggi. Dalam menjaga kestabilan ekonomi agar tidak terjadi lonjakan inflasi yang tinggi maka perlu ada yang mengatu...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Gagah Lanang Ramadhan, Dewi Agushinta R., Herry Sussanto
Formato:	article
Lenguaje:	ID
Publicado:	Islamic University of Indragiri 2021
Materias:	Technology T Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/9ea8a30673764bd286f59d5568071e4e
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:9ea8a30673764bd286f59d5568071e4e
record_format	dspace
spelling	oai:doaj.org-article:9ea8a30673764bd286f59d5568071e4e2021-11-07T12:04:45ZPeramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average2302-81492540-971910.32520/stmsi.v10i3.1360https://doaj.org/article/9ea8a30673764bd286f59d5568071e4e2021-09-01T00:00:00Zhttp://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/1360https://doaj.org/toc/2302-8149https://doaj.org/toc/2540-9719Abstrak Inflasi adalah satu permasalahan yang dihadapi oleh banyak negara berkembang. Salah satunya adalah negara Indonesia yang memiliki penduduk besar sehingga tingkat konsumtif pun tinggi. Dalam menjaga kestabilan ekonomi agar tidak terjadi lonjakan inflasi yang tinggi maka perlu ada yang mengaturnya. Bank Indonesia memiliki peranan yang penting dalam menjaga kestabilan ekonomi negara, dengan cara menjaga inflasi yang terjadi. Bank Indonesia sendiri memiliki kebijakan moneter yang mengatur pergerakan ekonomi dalam menjaga kestabilan inflasi Indonesia. Inflasi target merupakan metode yang digunakan Bank Indonesia untuk menjaga kestabilan ekonomi. Data mining dan machine learning merupakan satu kemajuan konsep teknologi saat ini yang dapat memrediksi atau meramalkan. Metode Time Series merupakan satu metode peramalan yang dapat digunakan dengan mempertimbangkan nilai inflasi yang akan datang. Time Series adalah metode untuk melakukan peramalan pada interval waktu tertentu. Model Auto Regressive Integrated Moving Average (ARIMA) merupakan tool dalam peramalan dengan data time series sebagai landasan dalam peramalan. Penelitian menggunakan model Seasonal-ARIMA (SARIMA) karena data yang digunakan membentuk pola musiman yang ditunjukkan pada Plot ACF dan PACF. Model SARIMA yang didapatkan dari penelitian adalah (0, 0, 1), (2, 1, 0)12 dengan nilai AIC 564.393 dan Nilai MAPE pada penelitian ini sebesar 4.67426. Kata kunci: ARIMA, data mining, inflasi, seasonal, time series Abstract Inflation is a problem faced by many developing countries. One of them is the country of Indonesia which has a large population so that the level of consumption is high. In maintaining economic stability so as not to cause a high spike in inflation, someone needs to regulate it. Bank Indonesia has an important role in maintaining the stability of the country's economy, by controlling inflation. Bank Indonesia itself has a monetary policy that regulates economic movements in maintaining the stability of Indonesian inflation. Target inflation is a method used by Bank Indonesia to maintain economic stability. Data mining and machine learning are advances in current technological concepts that can predict or predict. The Time Series method is a method of forecasting that can be used by considering the value of future inflation. Time Series is a method for forecasting at certain time intervals. The Auto-Regressive Integrated Moving Average (ARIMA) model is a tool in forecasting with time-series data as the basis for forecasting. The study used the Seasonal-ARIMA (SARIMA) model because the data used formed a seasonal pattern shown in the ACF and PACF plots. The SARIMA model obtained from the study is (0, 0, 1), (2, 1, 0) 12 with an AIC value of 564,393 and a MAPE value in this study of 4.67426.. Keywords: ARIMA, data mining, inflation, seasonal, time seriesGagah Lanang RamadhanDewi Agushinta R.Herry SussantoIslamic University of IndragiriarticleTechnologyTInformation technologyT58.5-58.64IDSistemasi: Jurnal Sistem Informasi, Vol 10, Iss 3, Pp 627-636 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	Technology T Information technology T58.5-58.64
spellingShingle	Technology T Information technology T58.5-58.64 Gagah Lanang Ramadhan Dewi Agushinta R. Herry Sussanto Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average
description	Abstrak Inflasi adalah satu permasalahan yang dihadapi oleh banyak negara berkembang. Salah satunya adalah negara Indonesia yang memiliki penduduk besar sehingga tingkat konsumtif pun tinggi. Dalam menjaga kestabilan ekonomi agar tidak terjadi lonjakan inflasi yang tinggi maka perlu ada yang mengaturnya. Bank Indonesia memiliki peranan yang penting dalam menjaga kestabilan ekonomi negara, dengan cara menjaga inflasi yang terjadi. Bank Indonesia sendiri memiliki kebijakan moneter yang mengatur pergerakan ekonomi dalam menjaga kestabilan inflasi Indonesia. Inflasi target merupakan metode yang digunakan Bank Indonesia untuk menjaga kestabilan ekonomi. Data mining dan machine learning merupakan satu kemajuan konsep teknologi saat ini yang dapat memrediksi atau meramalkan. Metode Time Series merupakan satu metode peramalan yang dapat digunakan dengan mempertimbangkan nilai inflasi yang akan datang. Time Series adalah metode untuk melakukan peramalan pada interval waktu tertentu. Model Auto Regressive Integrated Moving Average (ARIMA) merupakan tool dalam peramalan dengan data time series sebagai landasan dalam peramalan. Penelitian menggunakan model Seasonal-ARIMA (SARIMA) karena data yang digunakan membentuk pola musiman yang ditunjukkan pada Plot ACF dan PACF. Model SARIMA yang didapatkan dari penelitian adalah (0, 0, 1), (2, 1, 0)12 dengan nilai AIC 564.393 dan Nilai MAPE pada penelitian ini sebesar 4.67426. Kata kunci: ARIMA, data mining, inflasi, seasonal, time series Abstract Inflation is a problem faced by many developing countries. One of them is the country of Indonesia which has a large population so that the level of consumption is high. In maintaining economic stability so as not to cause a high spike in inflation, someone needs to regulate it. Bank Indonesia has an important role in maintaining the stability of the country's economy, by controlling inflation. Bank Indonesia itself has a monetary policy that regulates economic movements in maintaining the stability of Indonesian inflation. Target inflation is a method used by Bank Indonesia to maintain economic stability. Data mining and machine learning are advances in current technological concepts that can predict or predict. The Time Series method is a method of forecasting that can be used by considering the value of future inflation. Time Series is a method for forecasting at certain time intervals. The Auto-Regressive Integrated Moving Average (ARIMA) model is a tool in forecasting with time-series data as the basis for forecasting. The study used the Seasonal-ARIMA (SARIMA) model because the data used formed a seasonal pattern shown in the ACF and PACF plots. The SARIMA model obtained from the study is (0, 0, 1), (2, 1, 0) 12 with an AIC value of 564,393 and a MAPE value in this study of 4.67426.. Keywords: ARIMA, data mining, inflation, seasonal, time series
format	article
author	Gagah Lanang Ramadhan Dewi Agushinta R. Herry Sussanto
author_facet	Gagah Lanang Ramadhan Dewi Agushinta R. Herry Sussanto
author_sort	Gagah Lanang Ramadhan
title	Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average
title_short	Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average
title_full	Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average
title_fullStr	Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average
title_full_unstemmed	Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average
title_sort	peramalan inflasi indonesia dengan seasonal auto regressive integrated moving average
publisher	Islamic University of Indragiri
publishDate	2021
url	https://doaj.org/article/9ea8a30673764bd286f59d5568071e4e
work_keys_str_mv	AT gagahlanangramadhan peramalaninflasiindonesiadenganseasonalautoregressiveintegratedmovingaverage AT dewiagushintar peramalaninflasiindonesiadenganseasonalautoregressiveintegratedmovingaverage AT herrysussanto peramalaninflasiindonesiadenganseasonalautoregressiveintegratedmovingaverage
_version_	1718443564761874432

Peramalan Inflasi Indonesia Dengan Seasonal Auto Regressive Integrated Moving Average

Ejemplares similares