Pemodelan Inflasi Provinsi Riau Menggunakan ARIMA Dengan Deteksi Outlier
dan Model Intervensi
frie Sadewo
Program Pascasariana Statistica FMIPA ITS Surabaya
evieL2@mbs staistha 368
Abstrak
Permasalahan inflas| memiiki dampak luas dalam perekonomian nasional. Demi kepentingan
erumbuhan ekonomi dan pengentasan kemiskinan tngkat inlasi haus daga agar tetap berada
pada level tertentu. Berbagal Kebjakan yang dihasikan dari peramalan inflasi harus diakukan
‘dengan menggunakan model yang tepat, Salah satu model yang sering diunakan dalam peramalan
tersebut adalah ARIMA, namun adanya mili ekstrim dalam series data akan menyebabkan mode!
yong dicapatian menjad tidok akurat. Untuk itu dlokukan pemodelan date infias! dengan
‘menggunakan metode ARIMA dengan deteksi outlier dan model intervens. Hasl pemodelan di
Provinsi Riau mendapati bahwa model terbaik ARIMIA dengan deteksi outlier dan model intervensi
sama-sama dihasikan dengan hanya memasukkan variabel kenaikan harga 88M Oktober 2005
kedalam model. Dengan demikian, dapat dikatakan bahwa perstiva Kenaikan harge BEM Oktober
200 memiliki pengaruh yang sangat besa terhadap perkembangan tingkat nla! di Provins Riau
‘Berdasarkan perbandingan ktera kebaikan model tidak terdapat perbedaan berartantara metode
ARIMA dengan detelsi outer dan model intervensi. Penggunaan kedua metode tersebut dalam
peramalaninfas i Provinsiiau akan menghasian ramalan yang sama baikrya
Kata Kunci: infill ekstrim, ARIMA, detesi outer, model intervensi
1. Pendahuluan arena adanya ekspeltasiterhadap infls juga
memerkan rengsangan terhedap tumbulnya
perekonomian, pemerintah melalui bank sentral
Selaku pemegang egulsiberkepentingan untuk
‘tetap mempertahankan tingkat ifs) nasional
pada eve tertent
Permasalshan
memerng peranan yang sangat pening dalam
perekenomian nasonal, Garbage permasalahan
rmakrockonom! seperti. —_kemisknan,
pengongguran, dan pertumbuhan ekonomi
infasi oi Indonesia
oan
sangat dipengarubi oleh tingkat flat yang
terial. Apa lal jka mempertimbangkan bahwa
hampir separuh dari sumber pertumbuhan
‘ekonomi Indonesia berasal dari kensumsi, balk
rumah tangga, pemerintah,swasta maupun Non
Government Organization.
Tidak seperti negara-negaramajs_ yang
ern nga inflshsangat renda, tngkat
inflasi di Indonesia berfuktoasi cukup ting
Sejalan dengan pertumbuhan ekonomi Hal ini
tentu memberkan dampak langsung terhadap
rmenurunnya day bell masyaratat. Namun
Pengendalan infasi pada level tertentu,
tau ikenal juga sebagai targeting inl! akan
dapat diakukan dengan balk apabiia dapat
Aliperolch has! peramalan yang akurat. Namun
‘eadang kala triad! permasalahan kata suatu
‘egulasi yang dkeluaraa oleh pemerintah pusat
‘mendorong terjainya lonjakan infas di daerah
Seberaps dantarakeblokan yang dina
‘memberkan pengaruh signifkan terhadap
perubahan tingkat inflasi ai daerah adalah
‘eaikan arga 86M serta tarifDasar List.abel 1 Porubahan Harga Bahan Bakar Minyak
Periode 2000-2011 (Persen)
ary
ee
Bam sme mm
aT eT
‘umber Kementeran &S0M
Kenaltan harga 88M sebecar 64,07 persen
‘ada bulan Oktober tahun 2005 misalnya, telah
terbukti meninglatkan inflas ai Provias! Riau
hingga mencapai 8,73 persen. Adenya cial
lekstrim dalam suatu data deret waktutersebut
tentu saja menjadikan berbagai upaya untuk
memodeian tinghat inlasi menjadi tergangau,
sehingga menyebabkan ramalan yang dinasikan
menjadi tidak tepat.
CGambar 1, Plot Time Series lflas Provins Riau
Januar! 2000-Maret 2013,
Pemodelan pengaruh kebijakan harga BBM
terhadap tingkat inflas! sebelumnya pernah
dakutan oleh Kimiantini Dan Wuteqa (2005)
‘Dengan menggunakan model intervensi step
Junction aidapati bahwa peristiwa penurunan
area BBM Jenis premium pada bulan Desember
2008 memberkan pengaruh yang. signifkan
terhadap penurunan angka inflsi di kota
Yosvatarta sebesar 0.35%, dengan pola respons
data setelah adanya intervensi adalah abrupt
permanent.
Pengaunaan model intervensi pada data
{nflas sebelumnya jugs pemah diakukan oleh
Setyaningsh (2008) pada beberapa kota di Pulau
Jawa dan Syihabudin (2032) di Kota Malang
"Namun pada beberapa kasus diana penyebab
Inflas tidak diketahui seperti pada data curah
fujan di Kota Surabaya (Mauludiyanto, etal,
2008), dan jumlah penumpang pesawat terbang
(Wiyani, 2013] maka metode yang tepat untuk
igunakan adalah ARIMA dengan dete outlier.
{Kevka nilatelatrim tereebut berhasil digetoks)
ddan lidentflas! penyebabnya, make dapat
buat model intervensi, berdasarkan detehs
‘outlier (Buda, Tarno dan Worst, 2013).
Di tingkat daerah, kebiakan mengenatinfasi
rmerupakan tanggung.jawab bersama antara
perwaklan bank sentvalserta_pemerintah
ddaorah. Melalui Tim Pengendaian Infasi Daerah
(PID) setia tahunnya diakukan evaluasi sera
ppenyusunan rencana dalam rangka antispast
cdampak inflasiterhadap kinela pembangunan,
‘Mengingatbetapa pentingnya pengetahuan
mengenai model tngkat—inflasi bag
perencanaan kebljakan pembangunan kedepan,
‘maka dalam peneltian ini akan diakukon
ppemodelan dengan beberapa-metode,
clantaranya ARIMA dengan detels cuter dan
‘model intervens.
2. vata
Data yang, digunakan dalam peneltian ini
adalah Inflasbulanan Provins Ria yang iva
‘leh gabungan dari data Kota Pekanbaru dan
Kota Dumai yang dipublikaskan setiap Bulen
leh 895, Sebelum tahun 2007, data inflas!
Provinsi Rau hanya diwakil oleh Kota
Pekanbaru, Namun setelah tahun 2007, teria
‘penambshan Kota Duma menjal same! fas
Provini Riau sehingga ciperiukan_interpoas!ata untuk menghasikan inl tngkat provns
‘menggunakan pesimbang (W) Kota Tahun 2007
vang imi oleh 8S
1H Riau = 4 Keu* Won) asa Wh
[Won Woina
Irflasng = Kass Ks % 100
kai)
Dalam peneltian ini igunakan data inl!
Provinsi ia period Jair 2000 sampai Maret
2013 sebanyak 159 pengamatan. Selanjutnya
series data tersebut dba menial ua bagian,
valtu sebanyak 148 pengamatan untuk data
Jnsomple dan 15 pengamatan untuk data
cutsample
3. Metodolog
23.4. Model ARIMA
Pendekatan ARIMA clpertenatkan oleh
0x dan Jenkins. Sebuah model ARIMA tern
ac autoregressive (AR), mavinge averge (MA),
atau gabungan dari kedvany. Ketika terdapat
roses yang tidak stasioner, maka diskukan
diferencia seinggacidapatkan model
utoregresive integrates moving overage
dengan ord pa vane dlambangkan dengan
model ARIMA (a, da) sebagai berkut (Wel,
2006)
9,(B\(I-BY Z,=0,+0,(B)a,
diana
4,(B) adaah operator autoregressive
8,(0)=(1-88 6,8")
$,(B)(1-BY asih operator generatized
eoregresive
0, (B) aslan operator moving average
0,(8)=(1-9.8 0,8")
(1-B)' adaton egerencing non musinan
dengan orde 3
44, merupakan residual white noise dengan
mean 0 daa varians
Pendetatan iteratf_ untuk membentuk
‘model time series yang dkemukakan oleh Box.
Jenkins, meri thap sebagai bert
|) Identfikas model tentatit
1) Estimasi parameter
Wi) Diagnose model sementara
Iu) Pemiinan Model terbaik
Penjelassnlebihlanjut mengenai metode ARIMA
dapat hat pada Wel (2006).
22, Deteks! Outer
‘Outer adalah data pengamatan yang tak
konsisten pada seriesnya. Ada empat macam
jenis outlier yaity Inovational Outer (10),
‘Additive Outer (AO), Temporary Change (TC).
ddan Level Shift (tS) Fox (1872) dalam Wei (2006)
memperkenaltan outlier tipe 4 atau adaive
‘outliers (AO) dan tipe 2 atau innovation outers
(10),
i Additive outer adalah kejadan yang hanya
rmempunyai efek pada satu perode sain.
Bentuk umum Addltve Outer (AO) dalam
proses ARIMA adalah
YaZ,+0,H"
imana
2 stunes pulse
«9.x besarya devia dar nia Z,
{i tnnovationa! outer (10) merupakankeadian
dengan efek yang cidesarkan pada proses
dari model ARIMA dan mempengaruhisemun
nial pengamatan telah Keladian tersebut
rmuneul. Menurut (Gu, 2006) model untuk
data series pengaratan dengan 10 dtuliskan
melalui persamaanbeckut
17, +50)
oa)
oR atau
3.3, Model Intervenst
Jka waleu dan penyebab dketahu,efek
Isjadian pada detetsi outer dapat clbitungdengan menggunakan model intervens!. Model
intervensi pada awaloya_ banyak cigunakan
tuntuk mengeksplorasi dompak dari kejadian
kojaian ekstrnal yang lua dugaan terhadap
variabel yang menjadi obyek pengamatan, Jka
ianggap terdapat pengaruh beberapa kejadian
Interven , ada suatu data deret waktu, maka
‘model unum intervens dapat eitulskan sebagai
na sUyen,
imana
1, =variabal respon pada sat,
| variabelintervens|
= model noise yang mengkuti ARIMA (aa)
40)
open By
6)(B) = 0B 628? ~..- 8) BP),
0,(8) = 0-8 -028? ~.~8, 51)
B merupakan boctshift operator, mana
wate
Secara umum terdapat dua macam model
fungsi imervens, yaitu fangs! step. step
{Junction} dan fangs! pulse (pulse function). Step
function adalah suatu bentuk interensi yang
terjadi dalam jangka waktu yang, parjang,
sedangkon pulse function adalah suatu bentuk
Interven yang hanya trad dalam suatu wakeu
‘ertent
Bentuk Intervens! step function dinotaihan
sebagai berikut
fe fs ter
Ler
Sementara bantuk intervensi pulse function
Ginotasikan sebagai berikut
0.
Le
1
imana Tadalah wakt teradiya ntervens.
Secara_umum made! pengaruh intervensi
terhadap Y, dapat dtulskan sebagal
ter
ter
11) 2B os,
3a)
iano
(8) = (oy — 8-098? 0.8)
8.4B)= 1 ~B 828? 8,8")
Untuk penjelasan selengkapnya _mengenai
‘masel feng! interven dapat aha dala Wei
(2008)
44. Analisis dan Pembahasan,
Sebagai langkah awal dalam pemodelan
berbasis data time series, dlakukan metoge Box
Jenkins dengan menggunakan set dat isomple
‘untuk mendapatkan model ARIMA Berdasarkan
‘Gambar 1 kemudian didapatian plot ACF dan
PACE sebagai berkut
CGambar 2. Plat ACF dan PACF Data Ineample
InlasProvins Rin
Dari Gambar 2 tertnat bah balk plot ACF
ddan PACE samasama cutoff diag pertam Hal
ini menginikaskan bahwa model ARIMA yang
paling memungknkan adalah AR), AQ), atau|ARWA (1. Hasil pengolanan dengan
rmenggunakan software SAS menghasilan
perbandingan model seuagatberkut
Tabel 2. Perbandingan Medel ARIMA Data
Insarmpe las Provisi lau