Departmen Ilmu Ekonomi

Fakultas Ekonomi dan Manajemen

Institut Pertanian Bogor

Kebanksentralan dan Ekonomi Moneter

Penerapan Model ARIMA Untuk

Memprediksi Suku Bunga
Kebijakan (Policy Rate) di Norwegia
Jaslin Bonita Aureyga H14170052
Ammar Abiyu Bassam H14180023
Yose Shariati Januar H14180024
Novia Winarti H14180067
Pendahuluan
• Policy rate merupakan instrumen utama dalam upaya stabilisasi inflasi
dan perkembangan perekonomian Norwegia
• Norges Bank merupakan bank sentral Norwegia yang menetapkan
target operasional inflasi mendekati 2 persen dari waktu ke waktu.
• Tingkat kebijakan policy rate Norges Bank juga dapat mempengaruhi
ekspektasi inflasi di masa depan dan perkembangan ekonomi.
Dengan kata lain, tingkat kebijakan beroperasi pada banyak variabel
ekonomi yang penting
Pendahuluan
• Penetapan policy rate di Norwegia dalam kurun beberapa bulan
terakhir berada pada tingkat 0%.
• Menurut Oystein Olsen, penetapan suku bunga rendah tersebut
ditunjukkan untuk meningkatkan pengembalian ke tingkat output dan
employment levels yang normal di tengah kondisi pandemi Covid-19.
• Namun suku bunga rendah dengan periode yang panjang berisiko
memberikan ketidakseimbangan keuangan. Oleh karena itu dengan
kondisi ekonomi yang mulai pulih, menaikkan suku bunga akan tepat.
Metode Penelitian
• Penelitian menggunakan model ARIMA dengan data suku bunga Policy
Rate Norwegia dari Januari 2018 - Agustus 2021. (norges-bank.no)
• Model ARIMA
• Penggunaan model ARIMA didasarkan pada ketepatannya untuk
peramalan pada jangka pendek.
• Peralaman tersebut menggunakan nilai masa lalu dan sekarang dari
variabel dependen.
• Peramalan yang ditunjukkan yaitu periode September-Oktober 2021.
Plot Time Series Data Suku Bunga Policy
Rate Norwegia Tahun 2018 - 2021

Berdasarkan gambar disamping

menunjukkan bahwa pergerakan
data suku bunga Policy Rate di
Norwegia berubah tiap waktu.
Source : Norges Bank
Uji Stasioneritas
● Langkah pertama melihat stasioneritas dengan menggunakan plot data time series yaitu
korelogram Auto Correlation Function (ACF) dan Partial Auto Correlation Function (PACF).
● Data dikatakan stasioner apabila pola datanya berada pada kesetimbangan dan variansi di
sekitar nilai rata-rata yang konstan.
Phillips-Perron Unit Root Test
alternative: stationary
Type 1: no drift no trend ● Pengecekan stasioneritas dilakukan menggunakan
lag Z_rho p.value Phillips-Perron Unit Root Test.
2 -23.6 0.01 ● Dengan taraf signifikasi 0.05, disimpulkan bahwa
----- untuk data sebelum differencing dengan p-value
Type 2: with drift no trend
lag Z_rho p.value
sebesar 0.01 < 0.05 maka data stasioner pada
2 -23.7 0.01 diferensiasi pertama.
----- ● Setelah dilakukan differencing, didapatkan p-value
Type 3: with drift and trend sebesar 0.01 < 0.05 sehingga data stasioner.
lag Z_rho p.value
2 -24.1 0.01
---------------
Note: p-value = 0.01 means p.value <= 0.01
Plot Korelogram Auto Correlation Function (ACF) dan Partial
Auto Correlation (PACF)

Dalam grafik tersebut, sumbu x

merepresentasikan lag ke-k dan
sumbu y merepresentasikan nilai
dari ACF dan PACF nya.

● Nilai ACF dan PACF hanya signifikan pada lag pertama dan tidak signifikan untuk data
lainnya sehingga menandakan tidak adanya perulangan/musiman didalamnya.
● Sehingga berdasarkan korelogram ACF dan PACF didapatkan model terbaiknya yaitu
ARIMA(0,1,0)
Penentuan Model ARIMA
Best model: ARIMA(0,1,0) Uji Signifikansi Parameter dari
Series: pln
model ARIMA (0,1,0) dengan
ARIMA(0,1,0)
sigma^2 estimated as 0.06466: log likelihood=-1.44 ● H0 : 0 = 0
AIC=4.88 AICc=5.02 BIC=6.24 ● H1 : 0 ≠ 0
Model Persamaan
● Yt = -0.017241 + Yt-1 + εt
MODEL ARIMA (0,1,0) (0,0,0) with drift
z test of coefficients:
Estimate Std. Error z value Pr(>|z|)
drift -0.017241 0.047109 -0.366 0.7144
AIC
6.742866

Dari hasil di atas, parameter dari ARIMA(0,1,0) signifikan sehingga model ini
dapat digunakan untuk proses peramalan dan random walk with drift sehingga
penentuan policy rate acak dan sulit diprediksi.
Peramalan dengan ARIMA(0,1,0)
Hasil Peramalan Policy Rate Norwegia
Point Forecast

2021.7 -0.01724138
● Menggunakan model ARIMA(0,1,0)
2021.8 -0.03448276 selama 2 periode ke depan yakni
Lo Hi bulan September dan Oktober 2021.
● Didapatkan policy rate Norwegia
2021.7 -0.3481111 0.3136284 selama bulan September dan
2021.8 -0.5024032 0.4334377 Oktober 2021 berada di kisaran
0.3-0.6%.
Lo Hi

2021.7 -0.5232630 0.4887802

2021.8 -0.7501054 0.6811399

Plot Forecast

● Rendahnya suku bunga

policy rate ini mempercepat
pengembalian ke tingkat
normal di tengah pandemi..
● Namun, rendahnya nilai
policy rate dalam jangka
panjang dapat
meningkatkan resiko
ketidakseimbangan
keuangan, termasuk
kenaikan tajam pada harga
perumahan.
Kesimpulan

1. Pemodelan dengan Metode ARIMA didapatkan model terbaik ARIMA(0,1,0)

tanpa seasonal dengan model persamaan

Yt = -0.017241 + Yt-1 + εt

2. Dengan model tersebut maka model merupakan random walk with drift
sehingga penentuan policy rate acak dan sulit diprediksi.
3. Berdasarkan hasil peramalan dengan ARIMA(0,1,0) didapatkan policy rate
Norwegia selama bulan September dan Oktober 2021 berada di kisaran
0.3-0.6%.
4. Rendahnya tingkat suku bunga policy rate ini mempercepat pengembalian
output dan employment levels ke tingkat normal di tengah pandemi.
Preface Slide