SKRIPSI

PENGARUH HARI RAYA IDUL FITRI TERHADAP

INFLASI DI KOTA BANDA ACEH

Disusun Oleh:

Lela Permata
NIM. 160604096

PROGRAM STUDI ILMU EKONOMI

FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI AR-RANIRY
BANDA ACEH
2021 M / 1442 H
 PERNYATAAN KEASLIAN KARYA ILMIAH

Yang bertanda tangan di bawah ini

Nama : Lela Permata
NIM : 160604096
Program Studi : Ilmu Ekonomi
Fakultas : Ekonomi dan Bisnis Islam

Dengan ini menyatakan bahwa dalam penulisan skripsi ini, saya:

1. Tidak menggunakan ide orang lain tanpa mampu
mengembangkan dan mempertanggungjawabkan.
2. Tidak melakukan plagiasi terhadap naskah karya orang
lain.
3. Tidak menggunakan karya orang lain tanpa menyebutkan
sumber asli atau tanpa izin pemilik karya.
4. Tidak melakukan pemanipulasian dan pemalsuan data.
5. Mengerjakan sendiri karya ini dan mampu
bertanggungjawab atas karya ini.
Bila di kemudian hari ada tuntutan pihak lain atas karya saya,
dan telah melalui pembuktian yang dapat dipertanggung
jawabkan dan ternyata memang ditemukan bukti bahwa saya
telah melanggar pernyataan ini, maka saya siap untuk dicabut
gelar akademik saya atau diberikan sanksi lain berdasarkan
aturan yang berlaku di Fakultas Ekonomi dan Bisnis Islam UIN
Ar-Raniry Banda Aceh.

Demikian pernyataan ini saya buat dengan sesungguhnya.

Banda Aceh, 5 April 2021

Yang Menyatakan,

(Lela Permata)

ii
 LEMBAR PERSETUJUAN SIDANG SKRIPSI

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis Islam

UIN Ar-Raniry Banda Aceh
Sebagai Salah Satu Beban Studi
Untuk Menyelesaikan Program Studi Ilmu Ekonomi

Dengan Judul:

Pengaruh Hari Raya Idul Fitri Terhadap Inflasi

Di Kota Banda Aceh

Disusun Oleh:

Lela Permata
NIM. 160604096
Disetujui untuk disidangkan dan dinyatakan bahwa isi dan
formatnya telah memenuhi syarat sebagai kelengkapan dalam
penyelesaian studi pada Program Studi Ilmu Ekonomi
Fakultas Ekonomi dan Bisnis Islam UIN Ar-Raniry

Pembimbing I Pembimbing II

Dr. Muhammad Adnan, SE., M.Si Rachmi Meutia, M.Sc

NIP. 197204281999031005 NIP. 198803192019032013

Mengetahui Ketua
Program Studi Ilmu Ekonomi

Dr. Muhammad Adnan, SE., M.Si

NIP. 197204281999031005

iii
 LEMBAR PENGESAHAN SEMINAR HASIL
SKRIPSI

Lela Permata
160604096

Dengan Judul:
Pengaruh Hari Raya Idul Fitri Terhadap Inflasi Di Kota Banda Aceh
Telah Diseminarkan oleh Program Studi Strata Satu (S1)
Fakultas Ekonomi dan Bisnis Islam UIN Ar-Raniry
dan Dinyatakan Lulus Serta Diterima Sebagai Salah Satu Beban Studi
Untuk Menyelesaikan Program Studi Strata satu (S-1) dalam bidang
Ilmu Ekonomi
Pada Hari/Tanggal: Kamis, 7 Januari 2021 M
23 Jumadil Awal 1442 H
Banda Aceh
Tim Penilai Seminar Hasil Skripsi

Ketua, Sekretaris,

Dr. Muhammad Adnan, SE., M.Si Rachmi Meutia, M.Sc

NIP. 197204281999031005 NIP. 198803192019032013

Penguji I, Penguji II,

Dr. Idaryani, SE.,M.Si Safnina Sukma, SE., M.Si

NIDN. 0105057503 NIP.198708102019032013

iv
 FORM PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH MAHASISWA UNTUK KEPENTINGAN
AKADEMIK
Saya yang bertanda tangan di bawah ini:
Nama Lengkap : Lela Permata
NIM : 160604096
Fakultas/Jurusan : Ekonomi dan Bisnis Islam/Ilmu Ekonomi
E-mail : 160604096@student.ar-raniry.ac.id
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
UPT Perpustakaan Universitas Islam Negeri (UIN) Ar-Raniry Banda Aceh, Hak
Bebas Royalti Non-Eksklusif (Non-exclusive Royalty-Free Right) atas karya
ilmiah :

Tugas Akhir KKU Skripsi ...........

yang berjudul:
Pengaruh Hari Raya Idul Fitri Terhadap Inflasi di Kota Banda Aceh
Beserta perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non-
Eksklusif ini, UPT Perpustakaan UIN Ar-Raniry Banda Aceh berhak
menyimpan, mengalih-media formatkan, mengelola, mendiseminasikan, dan
mempublikasikannya di internet atau media lain.
Secara fulltext untuk kepentingan akademik tanpa perlu meminta izin dari saya
selama tetap mencantumkan nama saya sebagai penulis, pencipta dan atau
penerbit karya ilmiah tersebut.
UPT Perpustakaan UIN Ar-Raniry Banda Aceh akan terbebas dari segala bentuk
tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah
saya ini.
Demikian pernyataan ini yang saya buat dengan sebenarnya.
Dibuat di : Banda Aceh
Pada tanggal : 5 April 2021
Mengetahui,
Penulis Pembimbing I Pembimbing II

Lela Permata Dr. Muhammad Adnan, SE., M.Si Rachmi Meutia, M.Sc
NIM: 160604101 NIP. 197204281999031005 NIP. 198803192019032013

v
 KATA PENGANTAR

Puji syukur kepada Allah SWT yang telah memberi nikmat,

karunia, serta rahmat-Nya kepada seluruh makhluk-Nya sehingga
penulis dapat menyelesaikan penyusunan skripsi ini, yang berjudul
“Pengaruh Hari Raya Idul Fitri Terhadap Inflasi di Kota Banda
Aceh”

Shalawat beriring salam semoga senantiasa tercurahkan

kepada Rasulullah SAW, keluarga serta para sahabat beliau
sekalian.

Keberhasilan dalam penyusunan skripsi ini tidak terlepas dari

bantuan dan doa dari semua pihak, baik secara langsung maupun
tidak langsung. Oleh karena itu dalam kesempatan ini penulis ingin
menyampaikan ucapan terima kasih atas segala bantuan, saran dan
kritikan yang telah di berikan demi kesempurnaan skripsi ini,
kepada:

1. Dr. Zaki Fuad, M.Ag, selaku Dekan Fakultas Ekonomi dan

Bisnis Islam UIN Ar-Raniry Darussalam Banda Aceh,
2. Dr. Muhammad Adnan, SE., M.Si selaku ketua program
studi Ilmu Ekonomi dan Marwiyati, SE., MM selaku
Sekretaris Program Studi Ilmu Ekonomi.

vi
3. Bapak Muhammad Arifin, Ph.D selaku Ketua Laboratorium
dan Akmal Riza,S.E., M.Si selaku Sekretaris Laboratorium
Fakultas Ekonomi dan Bisnis Islam.
4. Dr. Muhammad Adnan, SE., M.Si selaku pembimbing I dan
Rachmi Meutia, SE., M.Sc selaku pembimbing II yang telah
banyak meluangkan waktu dan memberikan banyak
masukan bagi penulis dalam menyelesaikan skripsi ini.
5. Ibu Dr. Idaryani, SE.,M.Si sebagai penguji I dan ibu
Safnina Sukma, SE.,M.Si Sebagai penguji II. Yang telah
memberikan waktu dan memberikan masukan bagi penulis
dalam menyelesaikan skrpsi ini.
6. Ibu Evri Yenni, SE., M.Si selaku Penasehat Akademik (PA)
penulis selama menempuh pendidikan program Studi Strata
Satu (S1) Ilmu Ekonomi. Seluruh Dosen dan staf karyawan
Fakultas Ekonomi dan Bisnis Islam Universitas Islam Negri
Ar-Raniry, khususnya Program Studi Ilmu Ekonomi yang
telah memberikan ilmu, pengalaman arahan serta
perhatiannya kepada peulis selama mengikuti perkuliahan
hingga selesainnya skripsi ini.
7. Terimakasih kepada bapak Azwar selaku Karyawan BPS
yang telah bersedia membantu saya dalam mengumpukan
data seputara inflasi.
8. Ungkapan terima kasih yang sedalam-dalamnya penulis
sampaikan kepada Ayahanda dan ibunda tercinta ayah
Buyung dan ibu Azimah yang telah menjadi Orang Tua

vii
 terhebat sejagat Raya, telah bersusah payah membesarkan
dan merawat penulis serta tidak pernah lelah memberikan
kasih sayang dan dukungan yang luar biasa, baik materi
maupun doanya, semoga menjadi ibadah bagi keduanya.
Terima kasih juga buat ayek Leni dan adik Zam-Zam yang
selalu memberi cinta, motivasi, nasehat, perhatian dan kasih
sayang serta Doa yang tentu tidak akan bisa terbalaskan
dengan apa pun sehingga bisa menyelesaikan skripsi ini
dengan tepat waktu.
9. Ucapan terima kasih juga kepada sahabat-sahabat terbaik,
Iper, Ratna, Yusra, Lilis, Ima, Lili, selaku sahabat sahabat
seperjuangan saat di bangku perkuliahan, dan terima kasih
juga kepada keluarga Cemara yang selalu memberi
semangat kepada saya dalam mengerjakan skripsi ini, dan
juga semua pihak yang telah membantu dan memberi
motivasi baik secara langsung maupun tidak langsung yang
tidak dapat penulis sebutkan satu per satu.

Hanya Allah SWT yang dapat membalas segala bentuk

kebaikan dari semua pihak yang telah membantu dalam
menyelesaikan penulisan skripsi ini.

Penulis menyadari bahwa skripsi ini masih jauh dari

kesempurnaan, bila terdapat kekurangan dan kesalah pahaman
dalam penulisan skripsi ini, dengan kerendahan hati penulis sangat

viii
mengharapkan kritik dan saran yang bersifat konstruktif demi
kesempurnaan skripsi ini

Banda Aceh, 5 April 2021

Penulis,

(Lela Permata)

ix
 TRANSLITERASI ARAB-LATIN DAN SINGKATAN

Keputusan Bersama Menteri Agama dan Menteri P dan K

Nomor: 158 Tahun1987 –Nomor: 0543 b/u/1987

1. Konsonan

No Arab Latin No Arab Latin

1 ‫ا‬ Tidak Dilambangkan 16 ‫ط‬ T
2 ‫ب‬ B 17 ‫ظ‬ Z
3 ‫ت‬ T 18 ‫ع‬ „
4 ‫ث‬ S 19 ‫غ‬ G
5 ‫ج‬ J 20 ‫ف‬ F
6 ‫ح‬ Ң 21 ‫ق‬ Q
7 ‫خ‬ Kh 22 ‫ك‬ K
8 ‫د‬ D 23 ‫ل‬ L
9 ‫ذ‬ Ż 24 ‫م‬ M
10 ‫ر‬ R 25 ‫ن‬ N
11 ‫ز‬ Z 26 ‫و‬ W
12 ‫س‬ S 27 ‫ه‬ H
13 ‫ش‬ Sy 28 ‫ء‬ ‟
14 ‫ص‬ S 29 ‫ي‬ Y
15 ‫ض‬ D

x
2. Vokal
Vokal Bahasa Arab, seperti vokal bahasa Indonesia,
terdiri dari vokal tunggal atau monoftong dan vokal rangkap
atau diftong.
a. Vokal Tunggal
Vokal tunggal Bahasa Arab yang lambangnya berupa tanda
atau harkat, transliterasinya sebagai berikut:

Tanda Nama Huruf Latin

َ Fatḥah A
َ Kasrah I
َ Dammah U

b. Vokal Rangkap
Vokal rangkap Bahasa arab yang lambangnya berupa
gabungan antara harkat dan huruf, transliterasinya gabungan
huruf, yaitu:
Tanda dan Huruf Nama Gabungan Huruf
‫َي‬ Fatḥah dan ya Ai
‫َو‬ Fatḥah dan wau Au
Contoh:
‫ كيف‬: kaifa
‫ هول‬: haula

xi
3. Maddah
Maddah atau panjang yang lambangnya berupa harkat dan
huruf, transliterasinya berupa huruf dan tanda, yaitu:
Harkat dan Huruf Nama Huruf dan Tanda
‫ ي‬/‫َا‬ Fatḥah dan alif atau ya Ā
‫َي‬ Kasrah dan ya Ī
‫َي‬ Dammah dan wau Ū

Contoh:
‫قال‬ :qāla
‫رمى‬ :ramā
‫ق ْيل‬ :qīla
‫يق ْول‬ :yaqūlu

4. Ta Marbutoh (‫)ة‬
Transliterasi untuk ta marbutoh ada dua.
a. Ta marbutoh (‫ )ة‬hidup
Ta marbutoh (‫ )ة‬yang hidup atau mendapat harkat fathah,
kasrah dan dammah, transliterasinya adalah t.
b. Ta marbutoh (‫ )ة‬mati
Ta marbutoh (‫ )ة‬yang mati atau mendapat harkat sukun,
transliterasinya adalah h.
c. Kalau pada suatu kata yang akhir katanya ta marbutoh (‫)ة‬
diikuti oleh kata yang menggunakan kata sandang al, serta
bacaan kedua kata itu terpisah maka ta marbutah (‫ )ة‬itu
ditransliterasikan dengan h. Contoh:

xii
 ‫ر ْوضة اَْل ْطفا ْل‬ : rauḍah al-aṭfāl/ rauḍatulaṭfāl
َ‫ا ْلمد ْينة ا ْلمن ّورة‬ : al-Madīnah al-Munawwarah/
al-MadīnatulMunawwarah
‫ط ْلح ْة‬ : Ṭalḥah

Catatan:
Modifikasi
1. Nama orang berkebangsaan Indonesia ditulis seperti biasa tanpa
transliterasi, seperti M. Syuhudi Ismail, sedangkan nama-nama
lainnya ditulis sesuai kaidah penerjemahan. Contoh: Ḥamad Ibn
Sulaiman.
2. Nama negara dan kota ditulis menurut ejaan Bahasa Indonesia,
seperti Mesir, bukan Misr; Beirut, bukan Bayrut; dan
sebagainya.
3. Kata-kata yang sudah dipakai (serapan) dalam kamus Bahasa
Indonesia tidak di transliterasi. Contoh: Tasauf, bukan Tasawuf.

xiii
 ABSTRAK

Nama Mahasiwa : Lela Permata

NIM : 160604096
Fakultas/Program Studi : Ekonomi dan Bisnis Islam/
Ilmu Ekonomi
Judul : Pengaruh Hari Raya Idul Fitri Terhadap
Inflasi di Kota Banda Aceh
Tanggal Sidang : 7 Januari 2021
Pembimbing I : Dr. Muhammad Adnan, SE., M.Si
Pembimbing II : Rachmi Meutia, M.Sc

Penelitian ini bertujuan untuk mengetahui pengaruh hari raya idul

fitri terhadap inflasi di Kota Banda Aceh dan peramalan inflasi
pada tahun 2020 sampai dengan 2023 studi kasus IHK kelompok
barang dan jasa serta inflasi pada tahun 2010-2019. Metode analisis
yang digunakan adalah Analisis Regresi Linier Berganda dan
ARIMA. Data yang digunakan adalah data sekunder yang
diperoleh dari BPS. Hasil penelitian ini menunjukkan bahwa secara
serentak semua variabel inflasi kelompok barang dan jasa di Kota
Banda Aceh mempengaruhi inflasi di Kota Banda Aceh. Peramalan
inflasi di Kota Banda Aceh menggunakan model ARIMA (3,0,3).
hasil peramalan inflasi mengalami fluktuatif yang berkisar antara
0% sampai 1%. Inflasi tertinggi sebesar 0,5507% terjadi pada
Januari 2020 sedangkan inflasi terendah sebesar 0,0423% terjadi
pada April 2020.

Kata Kunci: Hari Raya Idul Fitri, Inflasi IHK, ARIMA.

xiv
 DAFTAR ISI

HALAMAN SAMPUL KEASLIAN

HALAMAN JUDUL KEASLIAN
PERNYATAAN KEASLIAN KARYA ILMIAH .................. ii
LEMBAR PERSETUJUAN SIDANG SKRIPSI ................... iii
LEMBAR PENGESAHAN SEMINAR HASIL..................... iv
KATA PENGANTAR .............................................................. vi
TRANSLITERASI ARAB-LATIN DAN SINGKATAN ...... x
ABSTRAK ................................................................................. xiv
DAFTAR ISI ............................................................................. xv
DAFTAR TABEL ..................................................................... xvii
DAFTAR GAMBAR ................................................................ xviii
DAFTAR LAMPIRAN............................................................. xix

BAB I PENDAHULUAN ......................................................... 1

1.1 Latar Belakang .......................................................... 1
1.2 Rumusan Masalah ..................................................... 9
1.3 Tujuan Penelitian ...................................................... 9
1.4 Manfaat Penelitian .................................................... 9
1.5 Sistematika Pembahasan ........................................... 10

BAB II LANDASAN TEORI ................................................... 12

2.1 Inflasi ........................................................................ 12
2.1.1 Faktor-Faktor Terjadinya Inflasi ....................... 13
2.1.2 Pengaruh Inflasi ................................................ 19
2.1.3 Teori-teori Inflasi .............................................. 19
2.2 Indeks Harga Konsumen (IHK) ................................ 24
2.2.1 Perhitungan Inflasi ............................................ 25
2.3 Hari Raya Idul Fitri ................................................... 26
2.4 Penelitian Terkait ...................................................... 27
2.5 Kerangka Berpikir..................................................... 30
2.6 Hipotesis ................................................................... 31

xv
BAB III METODE PENELITIAN .......................................... 32
3.1 Jenis Penelitian.......................................................... 32
3.2 Jenis dan Sumber Data .............................................. 32
3.3 Variabel Penelitian .................................................... 33
3.4 Operasional Variabel Penelitian ............................... 33
3.5 Teknik Analisis Data................................................. 34
3.5.1Metode ARIMA ................................................. 35
3.6 Metode Analisis Regresi Linier Berganda ........... 42

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ........ 46

4.1 Deskripsi Variabel .................................................... 46
4.1.1 Variabel Terikat ................................................ 46
4.1.2 Deskripsi Variabel Independent ........................ 48
4.2 Hasil Regresi Linier Berganda .................................. 49
4.3 Hasil Uji Statistik ...................................................... 52
4.3.1 Hasil Uji Sigifikansi Simultan (Uji F)............... 52
4.3.2 Hasil Uji Signifikansi Parsial (Uji t) ................. 53
4.3.3 Nilai Koefisien Determinasi (R2) ..................... 56
4.4 Uji Asumsi Klasik ..................................................... 57
4.4.1 Uji Asumsi Normalitas ...................................... 57
4.4.2 Uji Asumsi Heteroskedastisitas ......................... 58
4.4.3 Uji Asumsi Multikolinieritas............................. 59
4.4.4 Uji Asumsi Autokorelasi ................................... 60
4.5 Peramalan Inflasi Menggunakan Metode ARIMA ... 61
4.5.1 Identifikasi Model ............................................. 61
4.6 Estimasi Parameter.................................................... 63
4.7 Hasil Prediksi Peramalan Inflasi di Kota Banda
Aceh Tahun 2020 sampai 2024. .............................. 65
4.8 Pembahasan ............................................................. 74

BAB V PENUTUP .................................................................... 78

5.1 Kesimpulan .............................................................. 78
5.2 Saran ........................................................................ 79

DAFTAR PUSTAKA ............................................................... 80

xvi
 DAFTAR TABEL

Tabel 1.1 Laju Inflasi Perbulan di Kota Banda Aceh Tahun

2016-2019 ................................................................ 4
Tabel 1.2 Kenaikan Inflasi Barang dan Jasa Tahun 2019 ........ 6
Tabel 2.1 Inflasi yang diukur oleh IHK di Indonesia ............. 25
Tabel 3.1 Operasional Variabel Penelitian .............................. 33
Tabel 3.2 Pola ACF dan PACF ............................................... 39
Tabel 4.1 Hasil Regresi Linier Berganda ................................. 51
Tabel 4.2 Hasil uji t.................................................................. 55
Tabel 4.3 Hasil uji ARCH........................................................ 60
Tabel 4.4 Hasil uji Multikolinieritas ........................................ 61
Tabel 4.5 Hasil uji Asumsi Autokorelsi................................... 62
Tabel 4.6 Hasil uji stasioneritas .............................................. 63
Tabel 4.7 Estimasi Parameter ................................................. 65
Tabel 4.8 Perbandingan Inflasi Aktual dan Inflasi Hasil
Peramalan ................................................................ 68

xvii
 DAFTAR GAMBAR

Gambar 2.1 Kurva Demand Pull Inflation................................. 15

Gambar 2.2 Kerangka Berpikir ................................................. 31
Gambar 3.1 Diagram Metodologi Box-Jenkin .......................... 36
Gambar 4.1 Diagram Garis Inflasi Idul Fitri Kota Banda Aceh 48
Gambar 4.2 Diagram Garis kelompok barang dan jasa Kota
Banda Aceh ........................................................... 49
Gambar 4.3 Hasi Uji Jarque-Berra ........................................... 59
Gambar 4.4 Plot ACF dan PACF Inflasi di Kota Banda Aceh .. 64
Gambar 4.5 Grafik Data Aktual dan Hasil Peramalan .............. 67

xviii
 DAFTAR LAMPIRAN

Lampiran 1 Inflasi Kelompok Barang dan Jasa.......................... 85

Lampiran 2 Regresi Linear Berganda ........................................ 92
Lampiran 3 Arima ..................................................................... 95
Lampiran 4 Daftar Riwayat Hidup ............................................. 112

xix
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Ada tiga masalah penting dalam ekonomi makro yaitu
pertumbuhan ekonomi yang lambat, tingkat pengangguran yang
tinggi, dan tingkat inflasi yang juga tinggi. Diantara tiga masalah
tersebut Inflasi adalah salah satu momok yang sangat menakutkan
bagi setiap negara, karenadapat membawa pengaruh buruk pada
pertumbuhan ekonomi. Diantara negara-negara yang sedang
berkembang salah satunya indonesia, masalah inflasi cukup sering
dijumpai. Tinggi rendahnya nilai inflas sebenarnya dipengaruhi
oleh nilai ekspektasi masyarakat terhadap inflasi itu sendiri (Arini,
2012). Menurut Sukirno (2013:339) Inflasi yang tinggi akan
berdampak buruk pada pertumbuhan ekonomi, menurunnya daya
beli serta serta pendapatan masyarakat. Efek lainnya yang timbul
pada individu dan masyarakat adalah dapat memperburuk prospek
pertumbuhan jangka panjang, menurunkan pendapatan riil orang-
orang yang berpendapat tetap, mengurangi nilai kekayaan
seseorang yang berbentuk uang, serta memperburuk pembagian
kekayaan.
Selain itu menurut Mankiw (2007:21) kenaikan harga dari
satu atau dua barang saja tidak dapat disebut sebagai inflasi,
kecuali bila kenaikan tersebut meluas kepada (mengakibatkan
kenaikan) sebagian besar dari harga barang-barang lain. Pendapat

1
 2

yang sama diungkap oleh Pohan (2008:90) inflasi diartikan sebagai

suatu kenaikan harga yang berkesinambungan dan kenaikan harga
tersebut terjadi pada seluruh kelompok barang dan jasa. Inflasi
biasanya di ukur dengan IHK (Indeks Harga Konsumen).
Secara garis besar faktor yang mempengaruhi inflasi terbagi
menjadi dua yaitu adanya tarikan permintaan (demanpull inflation)
dan desakan biaya (cost push inflation) Theodores, (2014:23).
Adanya pendapatan tambahan serta perilaku konsumsi masyarakat
yang meningkat dan diikuti dengan peningktakan harga
menyebabkan adanya trend inflasi. Inflasi seperti ini disebut
Demand-pull Inflation, yaitu inflasi yang terjadi karena adanya
kenaikan permintaan agregat, sedangkan produksi telah berada
pada keadaan kesempatan kerja penuh atau hampir mendekati
kesempatan kerja penuh. Cost push inflation adalah iflasi yang
terjadi akibat meningkatnya biaya produksi (Mustanginah, 2019).
Inflasi sering terjadi pada hari-hari besar, seperti pada saat
pergantian tahun (tahun baru), Natal, Hari Raya Nyepi, Bulan
Ramadhan, Idul Fitri. Inflasi seperti ini biasanya disebut dengan
inflasi musiman. Pada bulan Ramadhan jelang menyambut Hari
Raya Idul Fitri, mayoritas penduduk Indonesia yang beragama
Islam pun merelakan membeli barang-barang dan makanan untuk
persiapan Hari Raya Idul Fitri tersebut, tidak heran jika terjadi
inflasi yang besar menjelang dan sesudah Hari Raya Idul Fitri.
Aceh adalah suatu provinsi yang memiliki kekuatan syariat
agama yang tinggi, tak heran jika pada saat penyambutan bulan
 3

suci Ramadhan hingga hari Raya Idul Fitri dilaksanakan dengan

semeriah mungkin. Umumnya masyarakat yang ada di kota Banda
Aceh mayotitas beragama islam. Biasanya pada saat menjelang
Hari Raya Idul Fitri maupun sesudahnya, konsumsi masyarakat
akan memiliki kecenderungan meningkat. Peningkatan konsumsi
terjadi pada kelompok makanan, sandang, transportasi dan
sebagainya (Mustanginah, 2019).
Pada saat sebelum Hari Raya Idul Fitri masyarakat
cenderung membeli makanan atau barang lebih banyak dalam
rangka mempersiapkan penyambutan Hari Raya Idul Fitri.
Peningkatkan jumlah permintaan barang dan jasa pada saat
menjelang hari raya idul fitri otomatis akan di ikuti dengan
peningkatan harga, karena pembentukan harga suatu barang dan
jasa akan sangat dipengaruhi oleh permintaan dan penawaran atas
barang dan jasa tersebut. Selain itu, adanya faktor psikologis dari
para produsen yang jelas mengetahui akan adanya tambahan
pendapatan dari konsumen pada saat menjelang hari raya idul firti
khususnya yang terkait dengan kebutuhan pokok. Hal inilah yang
pada akhirnya akan memicu terjadinya tingkat inflasi. Proses inflasi
ini akan terus berlangsung selama jumlah permintaan efektif dari
semua golongan masyarakat melebihi jumlah output yang
dihasilakan (Ayu, 2016).
Menurut BPS tingkat inflasi terus terjadi di Kota Banda
Aceh dari tahun 2016-2019. Pada tahun 2016 kenaikan inflasi
meningkat hingga 0,71%, pada tahun 2017 mencapai inflasi
 4

tertinggi yaitu 4,86%, pada tahun 2018 mencapai 1,93% dan di

tahun 2019 mencapai hingga 0,77%. Meskipun dari tahun 2018-
2019 terjadi penurunan dibandingkan dengan inflasi tahun 2017,
namun inflasi tetap terjadi setiap tahunnya. Berikut data laju inflasi
perbulan di Kota Banda Aceh dari tahun 2016-2019.
Tabel 1.1
Laju Inflasi Perbulan di Kota Banda Aceh Tahun 2016-2019.
Bulan Tahun
2016 2017 2018 2019
Januari 0,61% 0,28% -0,33% 0,43%
Februari 0,02% 0,19% -0,21% -0,54%
Maret -0,26% -0,15% -0,08% -0,44%
April -1,09% -0,10% -0,10% 0,36%
Mei 0,73% 0,86% 0,72% 1,48%
Juni 1,10% 0,81% 0,84% 0,38%
Juli 0,73% 0,32% 0,08% -0,24%
Agustus -0,35% 0,42% 0,50% 0,07%
September 0,78% 0,62% -0,75% -0,55%
Oktober -0,02% 0,17% 0,32% 0,07%
November 0,15% 0,30% 0,92% -0,10%
Desember 0,71% 1,06% 0,02% 0,46%
Sumber: BPS (2019).

Berdasarkan data terbaru Badan Pusat Statistik (BPS),

bahwa setiap bulan yang jatuhnya pada bulan Idul Fitri di kota
Banda Aceh selalu mengalami peningkatan inflasi. Dimana pada
bulan Juli 2016 bertepatan saat Idul Fitri mengalami peningkatan
sebesar 0,73% dibandingkan dengan bulan-bulan lain. Selanjutnya,
pada tahun 2017 Idul Fitri jatuh pada bulan Juni, inflasi mengalami
peningkatan harga barang hingga mencapai 0,81%. Di tahun 2018
laju Inflasi mencapai 0,84% dan tahun 2019 bulan Juni mencapai
0,38%.
 5

Dari data tersebut, dapat kita lihat bahwa setiap tahunnya

terjadi peningkatan harga barang pada saat menjelang Hari Raya
Idul Fitri di Kota Banda Aceh. Pada saat peningkatan inflasi di
Kota Banda Aceh, membuat perekonomian masyarakat menurun,
begitupun para investasi dan produksi. Pertumbuhan ekonomi yang
tidak stabil menyulitkan masyarakat menentukan konsumsi dan
sulit juga untuk melakukan investasi. Dilihat pada tahun 2019,
inflasi di Kota Banda Aceh masih terus terjadi. Namun, hingga saat
ini belum ada tindakan pemerintah untuk menjaga kestabilan pada
inflasi musiman tersebut.
Pengendalian tingkat inflasi atau menjaga kestabilan harga
merupakan salah satu masalah utama makroekonomi, disamping
beberapa masalah makroekonomi penting lainnya seperti mencapai
tingkat pertumbuhan ekonomi yang tinggi, mengatasi masalah
pengangguran, menjaga keseimbangan neraca pembayaran dan
pendistribusian pendapatan yang adil dan merata. Sebagai indikator
perekonomian yang sangat penting, fenomena inflasi telah banyak
mendapat perhatian para ahli ekonomi. Setiap kali ada gejolak
sosial, politik dan ekonomi di dalam negeri maupun diluar negeri,
masyarakat selalu mengaitkan dengan masalah inflasi. Stabilitas
ekonomi suatu negara diantaranya tercermin dari adanya stabilitas
harga, dalam arti tidak terdapat gejolak harga yang besar yang
dapat merugikan masyarakat, baik konsumen maupun produsen
yang akan merusak sendi-sendi perekonomian.
 6

Tingkat inflasi yang rendah dan stabil akan menjadi

stimulator bagi pertumbuhan ekonomi. Laju inflasi yang terkendali
akan menambah keuntungan pengusaha, pertambahan keuntungan
akan menggalakkan investasi di masa datang dan pada akhirnya
akan mempercepat terciptanya pertumbuhan ekonomi. Sebaliknya
tingat inflasi yang tinggi akan berdampak negatif pada
perekonomian yang selanjutnya dapat mengganggu kestabilan
sosial dan politik. Dampak negatif pada perekonomian diantaranya
mengurangi kegairahan penanaman modal, tidak terjadinya
pertumbuhan ekonomi, memperburuk distribusi pendapatan dan
mengurangi daya beli masyarakat. Berikut tabel kenaikan inflasi
barang dan jasa pada tahun 2019.
Tabel 1.2
Kenaikan Inflasi Barang dan Jasa Tahun 2019
Tahun Kelompok Barang dan Jasa
Bahan Makanan Peruma Sanda Keseh Pendidika Transpor,
Maka Jadi, han, Air, ng atan n, Komunika
nan Minuman, Listrik, Rekreasi si dan Jasa
Rokok Gas dan dan Keuangan
dan Bahan Olahraga
Tembakau Bakar

2019 0,80% 1,35% 0,07% 1,03% 3,56% 2,49% -0,32%

2018 0,03% 2,97% 1,30% 3,31% 2,65% 2,34% 3,64%
2017 2,47% 4,56% 6,84% 5,07% 2,05% 1,94% 4,38%
2016 9,76% 5,69% -0,09% 4,75% 1,71% 2,97% -2,22%
Sumber: BPS (2019)

Pada tabel di atas, terlihat bahwa di tahun 2019 persentase

tertinggi dari penyebab inflasi adalah indikator kesehatan mencapai
3,56%. Pada tahun 2018 persentase tertinggi adalah keuangan
 7

mencapai 3,64%. Pada tahun 2017 persentase tertinggi adalah

perumahan, air, listrik, gas dan bahan bakar mencapai 6,84% dan
pada tahun 2016 persentase tertinggi adalah bahan makanan yang
mencapai hingga 9,76%.
Berdasarkan dari masalah di atas, kenaikan harga yang pada
akhirnya bermuara pada peningkatan inflasi yang terjadi di hari
raya Idul Fitri terjadi terus menerus sepanjang tahun. Sebelumnya,
penelitian mengenai pengaruh hai besar keagamaan terhadap inflasi
sudah pernah diteliti oleh Partogi (2017) dengan Pendekatan Error
Correction Model dengan kesimpulan bahwa jangka panjang
variabel jumlah uang beredar, produk domestik bruto dan tingkat
suku bunga berpengaruh positif dan signifikan terhadap tingkat
harga. Sedangkan adanya hari raya idul fitri dan natal dalam jangka
panjang tidak berpengaruh signifikan terhadap tingkat harga. Dan
dalam jangka pendek, hanya tingkat suku bunga yang berpengaruh
signifikan terhadap tingkat harga. Sedangkan adanya hari raya idul
fitri dan natal ternyata tidak berpengaruh signifikan terhadap
tingkat harga dalam jangka pendek.
Nurfadillah (2018) menyimpulkan bahwa inflasi kelompok
bahan makanan dan inflasi kelompok makanan jadi, minuman dan
tembakau berpengaruh signifikan terhadap Hari Besar Islam,
sedangkan untuk inflasi kelompok sandang, perumahan, kesehatan,
pendidikan dan transportasi tidak memiliki pengaruh atau kenaikan
secara signifikan terhdap hari besar.
 8

Penelitian yang dilakukan oleh Mustanginah (2019)

menghasilkan kesimpulan bahwa hari raya idul fitri berpengaruh
positif terhadap inflasi di kota Tasikmalaya. Artinya ketika moment
perayaan hari raya idul fitri maka inflasi akan meningkat, besarnya
pengaruh hingga 8,7% sedangkan sisanya dipengaruhi oleh variabel
lain. Dalam penelitian lain oleh Arini (2012) dengan judul
Pengaruh Hari Raya Galungan Pada Seasonal Adjusment IHK dan
penentuan Komoditas Utama yang Mempengaruhi Inflasi di
Provinsi Bali: Analisis ARIMA. Hasil penelitiannya menunjukkan
bahwa hari raya galungan tidak signifikan sebagai komponen
musiman mempengaruhi IHK Provinsi Bali.
Dari beberapa kajian di atas, dapat disimpulkan bahwa pada
penelitian sebelumnya menggunakan beberapa faktor musiman
seperti Hari Raya dan Natal, dan lain-lain, tidak berfokus kepada
satu indikator. Pada penelitian ini penulis akan mengambil faktor
musiman yaitu Hari Raya Idul Fitri sebagai penyebab inflasi di
Kota Banda Aceh dengan menggunakan metode analisis regresi
linier Berganda dan ARIMA. Meskipun sebelumnya terdapat kajian
mengenai pengaruh Hari Raya terhadap inflasi namun belum ada
yang mengkaji di Kota Banda Aceh. Kota Banda Aceh adalah ibu
kota dari provinsi Aceh. Oleh karena itu, berdasarkan latar
belakang tersebut peneliti ingin melakukan penelitian dengan judul,
“Pengaruh Hari Raya Idul Fitri terhadap Inflasi di Kota Banda
Aceh”.
 9

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, maka rumusan
masalah dalam penelitian ini adalah Seberapa besar pengaruh Hari
Raya Idul Fitri dan peramalan terhadap inflasi di Kota Banda
Aceh?

1.3 Tujuan Penelitian

Berdasarkan rumusan masalah di atas, maka tujuan
penelitian ini adalah Untuk mengetahui seberapa besar pengaruh
Hari Raya Idul Fitri dan peramalan terhadap Inflasi di Kota Banda
Aceh.

1.4 Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah:
1. Bagi Peneliti, penelitian ini merupakan suatu kesempatan
bagi peneliti untuk menerapkan pengetahuan teoritis yang
diperoleh dari bangku kuliah, serta memperluas wawasan
penulis dalam bidang Inflasi khususnya tentang pengaruh
hari raya idul fitri terhadap inflasi di Kota Banda Aceh.

2. Bagi Pemerintah Daerah,

a. Hasil penelitian ini diharapkan dapat memberikan
sumbangan pemikiran bagi pemerintah daerah dalam
mengambil kebijkan, dalam rangka menstabilkan harga
 10

untuk menetapkan kebijakan menjaga keseimbangan

inflasidi Kota Banda Aceh.
b. Menyediakan informasi mengenai Inflasi di Kota Banda
Aceh dan diharapkan dapat menjadi bahan
pertimbangan dalam mengambil keputusan dan
kebijakan dimasa yang akan datang.
3. Bagi Pembaca dan Almamater, semoga penelitian ini
bermanfaat bagi pembaca dalam rangka memenuhi
informasi khususnya tentang Inflasi di Kota Banda Aceh.

1.5 Sistematika Pembahasan

Untuk lebih mengarahkan penelitian ini, penelitian ini
dibagi menjadi sebagai berikut:
BAB I : PENDAHULUAN
Merupakan bab yang berisi uraian tentang latar belakang
masalah, rumusan masalah, tujuan penelitian dan manfaat
penelitian, serta sistematika penulisan.
BAB II : LANDASAN TEORI
Merupakan bab yang berisi uraian secara ringkas teori-teori
yang menjelaskan tentang permasalahan yang akan diteliti,
kerangka penelitian, dan hipotesis penelitian yang terkait
dengan variabel penelitian.
BAB III: METODE PENELITIAN
Merupakan bab yang berisi penjelasan secara rinci
mengenai semua unsur metode dalam penelitian ini, yaitu
 11

penjelasan mengenai jenis dan sumber data, metode

pengumpulan data, serta metode analisis data penelitian
yang digunakan.
BAB IV: HASIL PENELITIAN DAN PEMBAHASAN
Merupakan bab yang berisi analisis data dan pembahasan
hasil penelitian (pembuktian hasil hipotesis).
BAB V : PENUTUP
Bab ini berisi kesimpulan dari hasil pembahasan,
keterbatasan penelitian dan saran yang dapat penulis
sampaikan dalam penulisan skripsi ini.
 BAB II
LANDASAN TEORI

2.1 Inflasi
Inflasi merupakan fenomena yang terus dijumpai dan sangat
penting dalam perekonomian disuatu Negara. Inflasi memberikan
dampak yang cukup besar dalam perekonomian baik secara mikro
maupun makro. Inflasi dapat dipengaruhi oleh berbagai peristiwa
ekonomi seperti jumlah uang beredar, nilai tukar, dan tingkat suku
bunga. Dalam pengertian lebih luas, inflasi juga dapat dipengaruhi
oleh faktor-faktor sosio-ekonomi-politis. Perilaku ekonomi dalam
masyarakat menjadi faktor penting yang mempengaruhi inflasi.
Menurut Samuelson (2001:12) inflasi merupakan suatu
kenaikan dalam tingkat harga umum dan laju inflasi adalah tingkat
perubahan dari tingkat harga umum tersebut. Dalam tingkat umum
kenaikan inflasi bukan hanya meningkatnya harga suatu barang
saja, melainkan hampir keseluruhan. Harga yang meningkat dalam
waktu musiman tidak dikatakan sebagai laju inflasi, namun harga
yang terus meningkat merupakan perubahan dari laju inflasi
tersebut.
Mankiw (2007: 12) menyebutkan bahwa inflasi adalah
seluruh kenaikan harga output dalam perekonomian. Kenaikan
harga sejumlah barang dan jasa secara umum akan menyebabkan
perekonomian masyarakat menurun. Selain digunakan sebagai
salah satu ukuran kinerja perekonomian suatu negara, inflasi yang

12
 13

tinggi dan tidak stabil juga memiliki dampak negatif terhadap

bidang politik dan sosial. Hal ini menjadi pertimbangan penting
mengapa inflasi harus dikendalikan.
BPS (2008) dalam (Heryati, 2016). mendefenisikan inflasi
sebagai kecenderungan naiknya harga barang dan jasa pada
umumnya yang berlangsung secara terus-menerus. Apabila kondisi
inflasi terjadi terus menerus maka akan mengganggu stabilitas
kehidupan suatu negara dan menyebabkan krisis ekonomi.
Pengertian inflasi yang lain juga yaitu tingkat harga agregat
naik atau inflasi adalah keadaan dimana harga barang pada
umumnya mengalami kenaikan terutama disebabkan karena
penawaran akan uang jauh melebihi permintaan akan uang.
Menurut teori uang klasik, perubahan dalam tingkat harga
keseluruhan adalah seperti perubahan dalam unit-unit ukuran
karena sesungguhnya kesejahteraan ekonomi masyarakat
bergantung pada harga relative, bukan pada keseluruhan tingkat
harga. Jadi secara umum, dapat dinyatakan bahwa inflasi
merupakan suatu keadaan dimana terjadi peningkatan harga-harga
pada umumnya secara terus menerus ata suatu keadaan dimana
terjadi penurunan nilai uang.

2.1.1 Faktor-faktor Terjadinya Inflasi

Sukirno (2013: 333) membedakan jenis-jenis inflasi
berdasarkan sumber atau penyebabnya, yaitu antara lain tarikan
permintaan (demand pull inflation), inflasi desakan biaya (cost-pust
 14

inflation) dan inflasi diimpor. Banyaknya permintaan pelanggan

memberi kesempatan kepada pedagang untuk menaikkan harga,
begitupun sebaliknya. Inflasi desakan biaya juga sangat
mempengaruhi meningkatnya harga barang dan jasa, karena
berawal dari proses produksi yang semakin meningkat. Adapun
faktor-inflasi tersebut dapat diuraikan sebagai berikut:
1. Inflasi tarikan permintaan (demand pull inflation)
Inflasi tarikan permintaan atau biasa dengan inflasi sisi
permintaan merupakan inflasi yang terjadi karena adanya
kenaikan permintaan agregat (AD) yang terlalu besar atau
pesat dibandingkan dengan penawaran agregat (AS) atai
produksi agregat. Kenaikan tersebut disebabkan oleh gangguan
pada sisi permintaan barang dan jasa. Kenaikan permintaan
barang yang tidak seimbang dengan kenaikan penawaran akan
mendorong harga naik sehingga terjadi inflasi. Dalam demand
pull inflation (inflasi tarikan permintaan), kenaikan harga
barang akhir (output) mendahului kenaikan harga barang input
barang dan harga factor produksi (misalnya tingkat upah).
Inflasi ini biasanya terjadi pada masa perekonomian
yang sedang berkembang pesat. Kesempatan kerja yang tinggi
menciptakan pendapatan dan selanjutnya menaikkan daya beli
masyarakat. Peningkatan daya beli akan mendorong
permintaan melebihi supply produk yang tersedia. Sehingga
permintaan agregat meningkat lebih cepat dibandingkan
 15

dengan supply produk sehingga harga akan naik dan terjadi

inflasi akses dari peningkatan demand masyarakat.
Pendapatan agregat harga maka yang terjadi inflasi.
Seperti telah sering dijelaskan karena JUB (jumlah uang
beredar) meningkat, permintaan masyarakat untuk
berkonsumsi akan cenderung meningkat, dan peningkatan ini
akan menggeser permintaan ke kanan, sehingga meskipun
produksi dan permintaan naik, namun harga akan naik.
Sehingga bila ini terjadi pada semua barang akan menimbulkan
inflasi. Secara grafis digambarkan sebagai berikut:

Sumber: Sukirno (2013:334)

Gambar 2.1
Kurva Demand Pull Inflation

Inflasi ini bermula dari adanya kenaikan permintaan total

(agregat demand), sedangkan produksi sudah berada pada keadaan
kesempatan kerja penuh atau hamper mendekati keadaan kerja
penuh (full infloyment). Dalam keadaan hampir mendekati full
emfloyment, kenaikan permintaan total disamping menaikkan harga
 16

juga dapat menaikkan hasil produksi atau output. Akan tetapi, bila
keadaan full emfloyment telah tercapai, penambahan permintaan
tidak akan menambah jumlah produksi melainkan hanya akan
menaikkan harga saja sehingga sering disebut dengan inflasi murni.
2. Inflasi Desakan Biaya (cost-pust inflation)
Inflasi desakan biaya atau (cost-pull inflation)
merupakan inflasi yang terjadi dikarenakan harga dari suatu
sumber daya mengalami kenaikan atau dinaikkan, kenaikan
biaya ini terjadi biasa dikarenakan biaya produksi juga
mengalami kenaikan sehingga produksi juga ikut menurun,
yang mengakibatkan penawaran akan suatu barang tersebut
juga menurun. Hal ini biasanya ditandai dengan kenaikan
harga yang disertai oleh turunnya produksi atau output. Inflasi
ini terjadi akibat dari dorongan kenaikan biaya produksi secara
terus-menerus. Kenaikan biaya produksi bias berawal dari
kenaikan harga factor produksi seperti upah tenaga kerja, harga
energy (minyak, batubara dan gas), harga bahan baku,
kenaikan tarif dasar listrik, kenaikan BBM dan lain-lain.
Kenaikan ini akan mendorong kenaikan biaya produksi dan
akhirnya mendorong kenaikan harga barang-barang secara
umum. Harga energy biaya produksi harga maka terjadi inflasi.
Kenaikan harga terjadi akibat meningkatnya biasay
produksi, yang mendorong produsen untuk mengurangi jumlah
produksinya, akibatnya jumlah produksi berkurang dan harga
naik. Jika diperhatikan, dampak dari kenaikan harga lebih
 17

buruk dari proses yang terjadi karena dorongan demand pull,

karena selain kenaikan harga, jumlah produksinya berkurangg,
sehingga selain harus menaggung kenaikan harga, masyarakat
juga mengalami kesulitan dalam mendapatkan produk.

3. Inflasi diimpor
Inflasi ini merupakan inflasi yang terjadi dikarenakan
harga barang-barang impor mengalami kenaikan. Apabila
barang impor merupakan barang penting dalam kegiatan
produksi perusahaan, contohnya kenaikan harga minyak.Inflasi
terjadi karena proses penurunan nilai mata uang secara terus
menerus, harga yang dianggap tinggi belum tentu
menunjukkan inflasi. Infasi biasanya terjadi apabila tigkat
harga tinggi tersebut tidak dibarengi dengan peningkatan
pendapatan maka mengakibatkan daya beli masyarakat
semakin lemah dan akan mengakibatkan tingkat kesejahteraan
menurun. Jadi, inflasi merupakan keadaan dimana harga
barang dan jasa secara umum mengalami kenaikan secara terus
menerus atau terjadi penurunan mata uang.
Dalam hal faktor penyebab timbulnya inflasi dapat
dikemukakan oleh pendapat-pendapat lain, seperti dikemukakan
oleh Nopirin, 1992 (dalam Achfuda, 2010) membedakan inflasi
menjadi tiga, yaitu:Demand pull inflation, Cost Push Inflation,
Mixed Inflation. Hal ini dapat diuraikan sebagai berikut:
1. Demand Pull Inflation
 18

Inflasi yang timbul karena permintaan masyarakat terhadap

akan berbagai barang terlalu kuat. Demand pull inflation
terjadi karena kenaian permintaan agregat dimana kondisi
perekonomian telah berada pada kesempatan kerja penuh.
Jika kondisi produksi telah berada pada kesempatan kerja
penuh. Kondisi produksi telah beradaa pada kesempatan
kerja penuh, maka kenaikan permintaan tidak lagi
mendorong kenaikan output ataupun produksi tetapi hanya
mendorong kenaikan harga-harga yang disebut inflasi
murni. Kenaikan permintaan yang melebihi produk
domestik bruto akan menyebabkan inflationary gap yang
menyebabkan inflasi.
2. Cost Push Inflation
Inflasi yang timbul karena kenaikan biaya produksi. Pada
cost push inflation tingkat penawaran lebih rendah
dibandingkan tingkat permintaan. Karena adanya kenaikan
harga faktor produksi sehingga produsen terpaksa
mengurangi produksinya sampai pada jumlah tertentu.
Penawaran agregat terus menurun karena adanya kenaikan
biaya produksi.
3. Mixed Inflation
Gejala kombinasi antara unsur inflasi yang disebabkan
karena kenaikan permintaan dan kenaikan biaya produksi.
Pada umumnya bentuk yang sering terjadi adalah inflasi
campuran, yaitu kombinasi dari kenaikan permintan dan
 19

kenaikan biaya produksi, dan sering sekali keduanya saling

memperkuat satu sama lain.

2.1.2 Pengaruh Inflasi

Akibat buruk inflasi dapat dibedakan dalam dua aspek,
Theodores (2014:44):
1. Akibatnya terhadap perekonomian
a. inflasi menggalakkan spekulasi penanaman modal
b. tingkat suku bunga meningkat dan akan mengurangi
investasi
c. terjadinya defisit dalam neraca perdagangan serta
meningkatkan besarnya utang luar negri.
2. Akibatnya kepada individu dan masyarakat
a. memperburuk distribusi pendapatan
b. pendapatan riil merosot dan nilai tabungan juga
merosot.

2.1.3 Teori-teori Inflasi

Secara garis besar teori mengenai inflasi ada tiga yaitu
Teori Kuantitas (teori Irving Fisher), teori Keynes dan Teori
Struktualis. Masing-masing menyoroti aspek-aspek tertentu dari
proses inflasi dan masing-masing bukan teori inflasi yang lengkap
yang mencakup semua aspek penting dari proses kenaikan harga.
Untuk menerapkannya kita harus menentukan aspek-aspek mana
yang dalam keadaan penting di dalam proses inflasi disuatu negara,
 20

dan dengan demikian teori mana (atau kombinasi teori-teori mana)

yang lebih cocok.
1. Teori Kuantitas
Teori ini adalah teori yang masih sangat berguna untuk
menganalisis sebab-sebab timbulnya inflasi di zaman modern
ini, terutama di negara-negara yang sedang berkembang. Teori
ini lebih menyoroti peranan dalam proses terjadinya inflasi. Inti
dari teori kuantitas adalah bahwa inflasi itu hanya bias terjadi
kalau ada penambahan volume uang beredar, baik uang kartal
maupun uang giral. Bila terjadi kegagalan panen misalnya,
yang menyebabkan harga barang dan jasa naik, tetapi apabila
jumlah uang beredar tidak ditambah, maka kenaikan harga
barang dan jasa akan berhenti dengan sendirinya. Inflasi
ditentukan oleh laju pertambahan jumlah uang beredar dan
psikologi atau harapan masyarakat mengenai kenaikan harga-
harga dimasa yang akan datang.
2. Teori Keynes
Menurut teori ini, inflasi terjadi karena masyarakat ingin
hidup dijalur batas kemampuan ekonominya. Dengan demikian
permintaan masyarakat akan barang melebihi jumlah yang
tersedia. Hal ini terjadi karena masyarakat mengetahui
keinginannya dan menjadikan keinginan tersebut karena
masyarakat mengetahi keinginannya dan menjadikan keinginan
tersebut dalam bentuk permintaan yang efektif terhadap barang.
Dengan kata lain, masyarakat masyarakat berhasil memperoleh
 21

dana tambahan di luar batas kemampuan ekonominya sehingga

golongan masyarakat ini bisa memperoleh barang dengan
jumlah yang lebih besar dari pada dari pada yang seharusnya.
Tentunya tidak semua golongan ini misalnya
masyarakat yang berpenghasilan tetap atau penghasilannya
meningkat, pada tingkat harga berlaku, melebihi jumlah
maksimum dari barang-barang yang bisa dihasilkan oleh
masyarakat, naka inflationary group akan timbul. Keadaan ini
menyebabkan harga-harga naik dan inflation gap akan timbul.
Keadaan ini harga-harga naik dan berarti rencana pembelian
barang tidak dapat terpenuhi. Pada periode selanjutnya,
masyarakat akan berusaha untuk memperoleh dana yang lebih
besar lagi (baik dari percetakan uang baru maupun dari kredit
bank dan permintaan kenaikan gaji). Proses inflasi akan tetap
berlangsung selama jumlah permintaan efektivitas dari semua
golongan masyarakat melebihi jumlah out put yang bids
dihasilan masyarakat.
Proses inflasi menurut Keynes adalah proses perebutan
pendapatan diantara kelompok-kelompok sosial yang
menginginkan bagian yang lebih besar dari pada yang dapat
disediakan oleh masyarakat. Kelompok-kelompok sosial ini
msialnya orang-orang pemerintah sendiri, pihak swasta atau
bias juga serikat buruh yang berusaha mendapatan kenaikan
gaji atau upah, hal ini akan berdampak terhadap permintaan
barang dan jasa yang pada akibatnya akan menaikkan harga.
 22

3. Teori Strukturalis
Teori ini biasa disebut juga dengan teori inflasi jangka
panjang, karena menyoroti sebab-sebab inflasi yang berasal dari
kekakuan struktur ekonomi, khususnya penawaran bahan
makanan dan barang-barang ekspor. Karena sebab-sebab
struktural ini, pertambahan produksi barang lebih lambat
dibandingkan peningkatan kebutuhan masyarakat. Akibatnya
penawaran (supply) barang kurang dari yang dibutuhkan
masyarakat, sehingga harga barang dan jasa meningkat.
Teori inflasi yang sering digunakan dan cukup terenal
adalah teori kuantitas. Dalam teori kuantitas dikatakan bahwa
inflasi sangat dipengaruhi jumlah uang yang beredar. Dalam
kenyataannya memang jumlah uang beredar itu sangat
berpengaruh terhadap inflasi.
Kaum struktural mengidentifikasi ada beberapa kendala
atau hambatan yang menjadi penyebab kenaikan harga atau
inflasi di Negara-negara yang sedang berkembang, seperti:
a. Kendala penawaran bahan pangan yang bersifat
inelastic. Hal ini disebabkan karena adanya kendala
structural di dalam sector pertanian di Negara-
negara yang sedang berkembang, dimana didomnasi
berada di tangan usaha pertanian raksasa non
kapitalis yang terdorong untuk memaksimumkan
laba atau di tangan udaha pertanian gurem yang
 23

beroperasi hamper hanya ditingkat subsistensi dan

tidak terkait kedalam perekonomian pasar.
b. Kendala Devisa, kenala ini timbul karena nilai
pertumbuhan penerimaan devisa tidak mencukupi
untuk memenuhi kebutuhan akan barang impor yang
meningkat berkenaan dengan usaha-usaha
pembangunan yang semakin cepat. Pertumbuhan
penduduk, upaya industrialisasi yang pesat yang
berlangsung dalam suatu lingkugan dengan
teknologi yang masih terbatas, ketidakseimbangan
struktural dan mobilitas factor yang tidak sempurna.
c. Kendala Fiscal, yaitu tidak mencukupinya sumber
daya keuangan dalam Negeri. Usaha-usaha
pembangunan memperbesar cakupan keterlibatan
pemerintah dalam perekonomian, tetapi penerimaan
pemerintah jarang meningkat cukupp pesat untuk
mengimbangi kenaikan pengeluaran.
Bagi kaum strukturalis, kenaikan jumlah uang beredar
adalah factor permisif yang memungkinkan spiral inflasi
membentuk diri dan menjadi kumulatif dan gejala yang
demikian merupakan gejala kekakuan structural yang
mempengaruhi tekanan-tekanan inflasi, bukan sebab inflasi itu
sendiri Nanga (2001: 249).
 24

2.2 Indeks Harga Konsumen (IHK)

Istilah Indeks Harga Konsumen (IHK) sudah tidak asing
lagi bagi negara-negara yang membahas tentang inflasi. Sukirno
(2007:31) mengatakan bahwa untuk mengukur inflasi, indikator
yang sering digunakan adalah Indeks Harga Konsumen (IHK).
Indeks Harga Konsumen adalah indeks yang menghitung rata-rata
perubahan harga dari suatu paket barang dan jasa yang dikonsumsi
oleh rumah tangga dalam kurun waktu tertentu. Perubahan IHK
dari waktu ke waktu menggambarkan tingkat kenaikan (inflasi)
atau tingkat penurunan (deflasi) dari barang dan jasa (Badan Pusat
Statistik, 2017). Barang dan jasa mengalami kenaikan atau
penurunan ketika telah dilakukan perhitungan melalui Indeks
Harga Konsumen (IHK), sehingga barang dan jasa tersebut
dinyatakan naik atau turun.
Menurut Bank Indonesia (2017) inflasi yang diukur IHK di
Indonesia dikelompokkan ke dalam 7 kelompok pengeluaran yaitu:

Tabel 2.1
Inflasi yang diukur oleh IHK di Indonesia
No Kelompok Sub Kelompok
1 Bahan makanan Padi-padian, umbi-umbian, dan hasil-
hasilnya, daging dan hasil-hasilnya, ikan
segar, ikan diawetkan, telur, susu dan
hasilnya, sayur-sayuran, kacang-kacangan,
buah-buahan, bumbu-bumbuan, lemak dan
minyak, bahan makanan lainnya.
2 Makanan jadi, Makanan jadi, minuman non alkohol,
minuman, rokok dan tembakau dan minuman beralkohol.
tembakau
3 Perumahan Biaya tempat tinggal, bahan bakar,
 25

Tabel 2.1 Lanjutan

No Kelompok Sub Kelompok
penerangan, air, perlengkapan rumah
tangga, penyelenggaraan rumah.
4 Sandang Sandang laki-laki, sandang wanita,
sandang anak-anak, barang pribadi dan
sandang lainnya.
5 Kesehatan Jasa kesehatan, obat-obatan, jasa
perawatan jasmani dan kosmetik.
6 Pendidikan, rekreasi Jasa pendidikan, kursus-kursus/pelatihan,
dan olahraga perlengkapan/peralatan, pendidikan,
rekreasi dan olahraga.
7 Transportasi, Transportasi, komunikasi, pengiriman,
komunikasi dan jasa sarana dan penunjang transportasi, jasa
keuangan keuangan.
Sumber: Bank Indonesia (2020)

2.2.1 Perhitungan Inflasi

Menurut Mankiw (2007:26) Indeks Harga Konsumen (IHK)
merupakan indikator yang umum digunakan untuk menggambarkan
pergerakan harga atau tingkat inflasi. Perhitungan IHK dapat
dirumuskan sebagai berikut:
IHKn =
)
......................................................................(2.1)

Dimana:
IHKn : Indeks Harga Konsumen Pada bulan ke-n
Pni : harga pada bukan ke-n
Pn-1 : harga pada bulan ke n-1
Pn-1Qo : nilai konsumsi pada bulan ke n-1
PoQo : nilai konsumsi pada bulan dasar.
 26

Setelah diperoleh IHK, maka inflasi dapat diketahui

perhitungan inflasi dengan laju inflasi dapat dirumuskan sebagai
berikut:

= x 100%..............................................(2.2)

2.3 Hari Raya Idul Fitri

Hari Raya idul fitri merupakan hari besar yang dinanti-nanti
oleh umat Islam di dunia, karena dihari itu adalah hari kemenangan
bagi umat islam setelah sebulan berpuasa di bulan Ramadhan. Di
Indonesia lebaran sudah merupakan suatu kebiasaan atau adat,
dimana masyarakatnya sibuk menyiapkan berbagai kebutuhan
untuk menyambut Hari Raya Idul Fitri, seperti makanan-makanan,
ketupat, opor ayam, kue-kue kecil dan lain-lain.
Sebelum menginjak 1 syawal atau yang dikenal dengan
Hari Raya Idul Fitri, umat Islam terlebih dahulu melaksanakan
ibadah puasa selama 1 bulan penuh dan hukumnya adalah wajib.
Disamping itu, bulan Ramadhan juga di isi dengan berbagai
kegiatan seperti tadarus, shalat tarawih dan kegiatan kegamaan
lainnya. Memasuki tanggal syawal yaitu mulai berakhirnya puasa
bulan Ramadhan, umat muslim diseluruh dunia melaksanakan Hari
Raya yang namanya Idul fitri, ditinjau dari segi agama jelas Idul
Fitri merupakan hari besar agama Islam.
Hari Raya Idul Fitri dilaksanakan pada setiap tanggal 1
syawal, seusai umat muslim menunaikan ibadah puasa Ramadhan
sebulan penuh pada setiap tahun (Manan, 2006: 105). Biasanya
 27

pada Hari Raya Idul Fitri, umat Muslim di Indonesia melakukan

sholat berjamaah di Masjid, baik itu wanita, pria bahkan tua dan
muda. Kekhasan Hari Raya Idul Fitri di Indonesia adalah Fitrah
yang artinya Suci. Pada Hari yang Fitrah umat Muslim di Indonesia
membeli dan menyediakan seluruh peralatan rumah, pakaian,
makanan, minuman, dan lain-lain menjadi serba baru. Karena
kebutuhan tersebut, menjadi kesempatan bagi pedagang untuk
menaikkan harga barang dan jasa.

2.4 Penelitian Terkait

Dalam melakukan penelitian ini, penulis menemukan
terdapat beberapa penelitian-penelitian yang berhubungan dengan
permasalahan yang diangkat dalam pembahasan atau topik
penelitian ini. oleh karena itu untuk menghindari asumsi plagiasi
sekaligus menegaskan titik perbedaan penelitian ini dengan
penelitian sebelumnya maka dalam penelitian terkait ini penulis
memaparkan perkembangan beberapa skripsi dan karya ilmiah
terkait dengan penelitian yang penulis akan lakukan.
Nurfadillah (2018) melakukan penelitian dengan judul
Pengaruh Hari Besar Islam Terhadap Komoditas Utama Inflasi
Menurut Kelompok Pengeluaran di Provinsi Sulawesi Selatan.
Berkesimpulan bahwa Inflasi kelompok bahan makanan dan inflasi
kelompok makanan jadi, minuman dan tembakau berpengaruh
signifikan terhadap hari besar islam, sedangkan untuk inflasi
kelompok sandang, perumahan, kesehatan, pendidikan dan
 28

transportasi tidak memiliki pengaruh atau kenaikan secara

signifikan terhadap hari besar
Akmal dan Abbasi (2010) melakukan penelitian dengan
judul Pengaruh Ramadhan terhadap Pergerakkan harga: Bukti dari
Pakistan (Ramadhan efeect on price movements evidence from
Pakistan). Hasil penelitian menunjukkan bahwa Ramadhan tidak
memilki dampak signifikan terhadap harga barang di Pakistan,
keseluruhan IH tidak meningkat ketika Ramadhan. Hanya beberapa
barang tertentu.
Mustanginah (2019) dalam penelitiannya yang berjudul
Pengaruh Hari Raya Idul Fitri terhadap Inflasi Kota Tasikmalaya.
Berkesimpulan bahwa Hari Raya Idul Fitri berpengaruh positif
terhadap inflasi di kota Tasikmalaya. Artinya ketika moment
perayaan hari raya idul fitri maka inflasi akan meningkat, besarnya
pengaruh hingga 8,7% sedangkan sisanya dipengaruhi oleh variabel
lain.Arini (2012) berjudul Pengaruh Hari Raya Galungan Pada
Seasonal Adjusment IHK dan penentuan Komoditas Utama yang
Mempengaruhi Inflasi di Provinsi Bali: Analisis ARIMA. Hasil
penelitiannya menunjukkan bahwa hari raya galungan tidak
signifikan sebagai komponen musiman mempengaruhi IHK
Provinsi Bali. Puspa Ayu (2015)dengan judul Analisis Pola
Perilaku Inflasi IHK Sebelum dan Setelah Hari Raya Idul Fitri.
Berkesimpulan adanya pengaruh Hari Raya Idul Fitri terhadap
inflasi yaitu sebesar 0,52%.
 29

Priyanti dan Inounu (2016) dengan judul Perilaku Harga

Produk Peternakan Pada Hari Besar Keagamaan Nasional. Hasil
penelitian menunjukkan bahwa kenaikan rata-rata harga daging
sapi menjelang hari besar berisar antara 10-20%, sedangkan untuk
daging dan telur ayam ras masing-masing mencapai 10-16% dan 5-
13% faktor wilayah.
Kalalo, dkk (2016) dengan judul Analisis Faktor-Faktor
Yang Mempengaruhi Inflasi Di Indonesia Periode 2000-2014.
Hasil penelitian menunjukkan bahwa keempat variabel jumlah
uang beredar, harga minyak dunia, nilai tukar rupiah, dan BI rate
secara simultan mempunyai pengaruh signifikan terhadap inflasi.
santoso, dkk (2013) juga melakukan penelitian dengan judul
Pengaruh Hari Besar pada Komoditas Utama Inflasi di Indonesia.
Hasil penelitian menunjukkan Ramadhan berpengaruh signifikan
untu komoditas daging sapi, daging ayam dan telur ayam.
Partogi (2017) dengan judul Pengaruh Hari Besar
Keagamaan Nasional (Idul Fitri Dan Natal) Terhadap Laju Inflasi
Di Indonesia Periode 2004.1-2016.4: Pendekatan Error Correction
Model. Berkesimpulan bahwa jangka panjang variabel jumlah uang
beredar, produk domestik bruto dan tingkat suku bunga
berpengaruh positif dan signifikan terhadap tingkat harga.
Sedangkan adanya hari raya idul fitri dan natal dalam jangka
panjang tidak berpengaruh signifikan terhadap tingkat harga. Dan
dalam jangka pendek, hanya tingkat suku bunga yang berpengaruh
signifikan terhadap tingkat harga. Sedangkan adanya hari raya idul
 30

fitri dan natal ternyata tidak berpengaruh signifikan terhadap

tingkat harga dalam jangka pendek.
Dari beberapa penelitian di atas, peneliti akan menggunakan
model Regresi Linier Berganda dan ARIMA untuk menyelesaikan
masalah. Pada penelitian ini dengan penelitian sebelumnya
memiliki persamaan untuk melihat pengaruh Inflasi musiman
tersebut, seperti: Bulan Ramadhan dan hari-hari besar di Indonesia
lainnya.

2.5 Kerangka Berpikir

Penelitian ini akan dilakukan di Kota Banda Aceh terkait
dengan kenaikan inflasi dari tahun 2010-2019. Melihat menjelang
Hari Raya Idul Fitri, konsumsi masyarakat di Kota Banda Aceh
terus meningkat. Maka oleh sebab itu peneliti akan mengkaji terkait
inflasi yang terjadi di Kota Banda Aceh.

Hari Raya Idul Fitri Inflasi

Gambar 2.2
Kerangka Berpikir

Berdasarkan gambar 2.2 penelitian ini akan menganalisis

apakah Hari Raya Idul Fitri berpengaruh terhadap laju inflasi
dengan kenaikan harga barang seperti bahan makanan, makanan
jadi, minuman, rokok, tembakau, perumahan air listrik, gas, bahan
 31

bakar, sandang, kesehatan, pendidikan, rekreasi, olahraga,

transportasi, komunikasi dan jasa keuangan.

2.6 Hipotesis
Sugiyono (2011:17) mengatakan bahwa hipotesis
merupakan suatu jawaban yang bersifat sementara terhadap
permasalahan penelitian, sampai terbukti melalui data terkumpul.
Dalam penelitian ini akan dirumuskan hipotesis guna memberikan
arah dan pedoman dalam melakukan penelitian. Hipotesis yang
digunakan dalam penelitian ini ialah:
Ho : Tidak terdapat pengaruh yang signifikan hari raya Idul
Fitri terhadap Inflasi Kota Banda Aceh
Ha : Terdapat pengaruh yang signifikan hari raya Idul Fitri
terhadap Inflasi Kota Banda Aceh.
 BAB III
METODE PENELITIAN

3.1 Jenis Penelitian

Berdasarkan Penelitian ini menggunakan metode kuantitatif
karena dalam pelaksanaannya meliputi data, analisis dan
interpretasi tentang arti dan data yang diperoleh. Menurut Sugiyono
(2013: 13), metode kuantitatif adalah metode penelitian yang
berlandaskan pada filsafat positivisme, digunakan untuk meneliti
pada populasi atau sampel tertentu. Berdasarkan rumusan masalah
diatas, Penelitian ini disusun sebagai penelitian induktif yakni
mencari dan mengumpulkan data yang ada dilapangan dengan
tujuan untuk mengetahui pengaruh, unsur-unsur bentuk dan suatu
sifat fenomena di masyarakat.

3.2 Jenis dan Sumber Data

Data yang digunakan adalah data sekunder. Data sekunder
adalah data yang diperoleh peneliti dari sumber yang sudah ada.
Data sekunder ini diperoleh melalui penelitian kepustakaan, dimana
data yang dikumpulkan dari bahan bacaan yang berhubungan
dengan penelitian jurnal-jurnal, karya ilmiah, website, seperti
Badan Pusat Statistik (BPS). Data sekunder yang digunakan
penulis adalah Data tingkat inflasi di Kota Banda Aceh yang
diperoleh dari data bulanan BPS dan hari besar Hari Raya Idul Fitri
periode 2010 sampai periode 2019.

32
 33

3.3 Variabel Penelitian

1. Variabel Bebas (independen)
Variabel bebas atau variabel independen (X)
merupakan variabel yang mempengaruhi atau yang menjadi
sebab perubahannya atau timbulnya variabel dependen (terikat)
Sugiyono, (2011:61). Variabel bebas dalam penelitian ini
adalah Hari Raya Idul Fitri.
2. Variabel Terikat (dependen)
Variabel terikat atau variabel dependen (Y) merupakan
variabel yang dipengaruhi atau yang menjadi akibat, karena
adanya variabel bebas Sugiyono, (2011:61). Variabel terikat
dalam penelitian ini adalah inflasi (Y).

3.4 Operasional Variabel Penelitian

Adapun variabel yang digunakan dalam penelitian ini
adalah:

Tabel 3.1
Operasional Variabel Penelitian
No Variabel Pengertian Sumber Data Pengukuran
1 Inflasi Inflasi didefenisikan Badan Pusat Rasio
sebagai suatu indeks Statistik (BPS)
yang digunakan dalam Kota Banda Aceh
menghitung rata-rata
perubahan harga dalam
suatu periode, dari suatu
kumpulan barang dan
jasa yang dikonsumsi
oleh penduduk maupun
rumah tangga dalam
kurun waktu tertentu.
 34

Tabel 3.1 Lanjutan

No Variabel Pengertian Sumber Data Pengukuran

Data yang digunakan
pada penelitian ini
merupakan data inflasi
berdasarkan kelompok
pengeluarannya pada
bulan yang bertepatan
dengan hari raya Idul
Fitri, periode 2010-2019,
data yang digunakan
dalam satuan persen.
2 Hari Hari Raya Idul Fitri Badan Pusat Nominal
Raya adalah sebuah hari Statistik (BPS)
Idul Fitri khusus, hari khusus ini Kota Banda Aceh
berbeda-beda disetiap
Tahunnya. Hari Raya
biasanya ditandai dengan
perayaan-perayaan bagi
kelompok yang
bersangkutan dan
mungkin juga dengan
diliburkannya kantor dan
sekolah secara umum.
Data Hari Raya Idul Fitri
diambil dari data bulan
yang bertepatan dengan
hari Raya Idul Fitri
tersebut.

3.5 Teknik Analisis Data

Dalam penelitian ini, peneliti menggunakan dua metode
analisis. Yang pertama menggunakan metode Analisis Regresi
Linier Berganda yang tujuannya untuk mengetahui pengaruh Hari
Raya Idul Fitri terhadap Inflasi pada kelompok barang dan jasa di
Kota Banda Aceh. Dan yang kedua menggunakan metode Arima
yang tujuannya untuk peramalan serta menentukan hubungan
statistik antara variabel yang diramal dengan nilai histori dari
 35

variabel tersebut. Dalam metode ARIMA ini hasil peramalan yang

akan dilihat adalah dari tahun 2020 sampai 2023.

3.5.1 Metode ARIMA

Model penelitian pada penelitian ini menggunakan model
ARIMA. Model ARIMA adalah model statistik yang menggunakan
penagmatan masa lalu dan sekarang dari variabel independen.
Model ini bermanfaat untuk peramalan serta menentukan hubungan
statistik antara variabel yang diramal dengan nila histori dari
variabel tersebut. Aspek penting yang harus diperhatikan dala
penyusunan model ARIMA adalah stasioneritas. Data dikatakan
stasioner jika karakter-karakter statistiknya seperti rata-rata dan
variasi adalah konstan sepanjang waktu. Jika dilihat melalui plot
data aka datanya berfluktuasi di sekitar rata-rata saja. Jika beberapa
karakteristik di atas tidak dipenuhi maka data dikatakan non-
stasionery. Widarjono (2013:268).
Langkah-langkah yang pada umumnya diambil dalam
menganalisis data dengan menggunkan metode ARIMA adalah
sebagai berikut:
 36

Gambar 3.1
Diagram Metodologi Box-Jenkin

Langkah yang pertama sekali dilakukan adalah mencari

nilai p, d, dan qdengan menggunakan correlogram. Setelah
mendapatkan nilai p dan q, selanjutnya mengestimasikan parameter
model ARIMA yang dipilih pada langkah pertama. Setelah
mendapatkan estimator model ARIMA, kemudian memilih model
yang mampu menjelaskan data dengan baik. Dengan melihat
apakan residual bersifat rondom sehngga merupakan residual yang
relatif kecil. Jika tidak maka harus kembali ke langkah pertama
untuk memilih model yang lain. Setelah model didapatkan model
yang baik maka model tersebut dapat diambil untuk melakukan
prediksi (Widarjono, 2013:270).
 37

Adapun model teoritis penelitian dapat ditulis dengan:

ARIMA (p,d,q) (P,D,Q)s (3.1)
Dimana:
p : jumlah komponen autoregresive yang tidak bersifat
musiman
d : jumlah level differencing yang tidak bersifat musiman
q : jumlah komponen moving average yang tidak bersifat
musiman
P : Jumlah komponen autoregresive yang bers ifat musiman
D : Jumlah level differencing yang bersifat musiman
Q : Jumlah komponen moving average yang bersifat
musiman
s : Jumlah periode permusim

Sehingga, dengan mengadopsi penelitian Arini (2004),

persamaan fungsional tersebut dapat diturunkan menjadi persamaan
ekonometrika sebagai berikut:
Yt = go + 1yt-1 + 2yt-2 + + nYt-p – I1et-1 – I2et-2 – I3et-n
(3.2)
Dimana:
go : Intercept (Konstanta)
: Koefisien autoregresive (Y)
: Koefisien moving averager (residual)
: V ariabel dependen pada waktu t
e : Nilai residual
 38

3.5.2 Uji stasioner

Menurut Widarjono (2013:271) model sederhana yang
dapat digunakan untuk menguji apakah data stasioner atau tidak
dengan melihat correlogram melalui Autocorrelatiaon Function
(ACF). Fungsi ACF dapat dilihat sebagai berikut:

Dimana :
̅) ̅)

̅)

Keterangan :
n = Jumlah observasi
̅ = Rata-rata

Nilai ACF ini akan terletak pada -1 dan 1. Untuk

mengetahui stasioner atau tida, maka interval dengan keyakinan
95% atau α= 5% untuk adalah : = + 1,96 (SE) atau + 1,96 (√1/n).
Jika nilai koefisien ACF terletak didalam interval tersebut maka,
menerima hipotesis H0 bahwa sama dengan nol, berarti data
stasioner. Sehingga hipotesisnya adalah sebagai berikut :

H0 : = 0 maka data stationer

Ha : ≠ 0 maka data tidak stasioner

 39

3.5.3 Identifikasi Model

Setelah melihat masalah stasioner data maka selanjutnya
yang dilakukan adalah mengidentifikasi model ARIMA. Metode
baku yang digunakan untuk memilih model arima melalui
correlogram yaitu autocorrelation function (ACF) dan partial
autocorrelation function (PACF) (Waroh,2016).
Tabel 3.2
Pola ACF dan PACF
Model Pola ACF Pola PACF
AR (p) Menurun secara Menurun drastis pada lag
MA (q) eksponensial tertentu
ARMA (p,q) Menurun drastis pada Menururn secara
ARIMA lag tertentu eksponensial
(p,d,q)m Menurun secara Menurun secara
eksponensial eksponensial
Menururn secara Menurun secara
eksponensial menuju eksponensial
nol dengan
pembedaan

3.5.4 Estimasi Parameter

Pada fase identifikasi model ARIMA telah diperoleh nilai-
nilai komponen autoregressive maupun moving average. Tahap
berikutnya adalah melakukan estimasi parameter model ARIMA
yaitu parameter autoregressive dan parameter moving average.
Apabila pada model ARIMA hanya terdapat komponen
autoregressive saja maka estimasi parameter modelnya dapat
dilakukan dengan metode kuadrat terkecil (Least Square Method).
Akan tetapi apabila dalam model ARIMA terdapat komponen
 40

moving average maka untuk estimasi parameter modelnya

dilakukan dengan metode maximum likelihood. Hal ini karena
terdapat komponen moving average yang menyebabkan terjadinya
ketidaklinearan parameter model ARIMA (Ayu, 2016).

3.5.5 Uji Diagnosis

Menurut Widarjono (2013:282) dalam menentukan model
ARIMA yang terbaik, harus dipilih model yang seluruh
parameternya signifikan, kemudian juga asumsi residual bersifat
white noise. Suatu model bersifat white noise artinya residual dari
model tersebut telah memenuhi asumsi identik (variasi residual
homogen) serta independen (antarresidual tidak berkorelasi).
Pengujian asumsi white noise dilakukan denganmenggunakan uji
Ljung-Box.
Hipotesa :
H0 : ρ1 :ρ2:......:ρk = 0 ( tidak bersifat white noise)
Ha : ρ1 :ρ2:......:ρk ≠0 (bersifat white noise)
Statistik uji :

Dengan daerah penolakan H0:

 41

Keterangan :
K : lag maksimum
n : jumlah data (observasi)
k : lag ke-k
p dan q : order dari ARMA (p,q)
pk : autokorelasi residual untuk lag ke-k
Salah satu prosedur pemeriksaan diagnosis yang
dikemukakan Box Jenkins adalah overfitting, yakni dengan
menambah satu atau lebih parameter dalammodel yangdihasilkan
pada tahap identifikasi. Karena ada salah satu estimasi parameter
yang tidak signifikan maka dilakukan tahap overfitting. Model
yang dihasilkan dari hasil overfitting dijadikan sebagai model
alternatif yang kemudian dicari mode yang terbaik diantara model-
model yang signifikan.

3.5.6 Prediksi peramalan

Peramalan (forecasting) adalah suatu proses yang
digunakan untuk memperkirakan kejadian di masa yang akan
datang. Tujuan dari dilakukannya peramalan adalah untuk
mengurangi ketidakpastian mengenai kejadian di masa mendatang
sekaligus menyediakan tolok ukur untuk memonitor kinerja yang
sebenarnya. Pengujian koreksi peramalan yaitu dengan
menggunakan RMSE (Roots Mean Square Error) yang berguna
untuk mengukur keakuratan pramalan. (Ayu,2016).
Adapun rumus RMSE :
 42

Keterangan :
Xt = nilai aktual periode ke t
Xt‟ = nilai Peramalan (forecasting) periode ke t
n = jumlah data

3.6 Metode Analisis Regresi Linier Berganda

Untuk menyelesaikan analisis data penelitian ini
menggunakan metode analisis regresi linear Berganda. Analisis
regresi lnear Berganda adalah regresi dimana variable terikat (Y)
dihubungkan atau dijelaskan oleh semua variable bebas (X).
adapun perumusan analisis ini ya itu menggunakan metode
Ordinary Least Square (OLS) dengan variabel dummy sebagai
berikut:

Yt = 0 + 1. . . .Dt + t ........(3)

Dimana :
Yt : Inflasi
0 : Intersep
1 : Koefisien dummy
Dt : Variabel dummy “ 1= bulan terjadinya Hari Raya Idul
Fitri
0 : lainnya.
t : Residual model regresi dummy Gudjarati (2007:21)

Sebelum dilakukan pengujian analisis regresi linear

Berganda terhadap hipotesis penelitian, maka terlebih dahulu perlu
 43

dilakukan suatu pengujian asumsi klasik, determinasi, dan uji-t atas

data yang akan diolah sebagai berikut:

3.6.1 Uji Asumsi Klasik

Uji asumsi klasik yang digunakan dalam regresi linier
dengan pendekatan Ordinary Least Squared (OLS) meliputi uji
linearitas, uji Normalitas, Uji Autokorelasi, Uji Heteroskedastisitas
dan uji Multikolinieritas. Walaupun demikian, tidak semua uji
asumsi klasik harus dilakukan pada setiap model regresi linear
dengan pendekatan OLS. Dalam penelitian ini, peneliti akan
melakukan suatu pengujian atas data yang akan diolah sebagai
berikut:
1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi,
variabel pengganggu atau residual memliki distribusi normal.
Seperti diketahui bahwa uji t mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini
dilanggar maka uji statistik menjadi tidak valid untuk jumlah
sampel kecil. Ada dua cara untuk mendeteksi apakah residual
berdistribusi normal atau tidak yaitu dengan analisis grafik dan
uji statistik. Untuk menguji apakah data berdistribusi normal
atau tidak dilakukan uji statistik Kolmogorov-Smirnov Test.
Residual berdistribusi normal jika memiliki nilai signifikansi
>0,05 Ghozali, (2011: 160-165).
 44

2. Uji Multikolinieritas
Menurut Ghozali (2011: 105-106) uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan
adanya korelasi antar variabel bebas (independen). Untuk
menguji multikolinieritas dengan cara melihat nilai VIF
masing-masing variabel independen, jika nilai VIF < 10, maka
dapat disimpulkan data bebas dari gejala multikolinieritas.

3. Uji Heteroskedastisitas
Uji heterokedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu
pengamatan e pengamatan yang lain. Ada beberapa cara yang
dapat dilakukan untuk melakukan uji heteroskedastisitas, yaitu
uji grafik plot, uji park, uji glejser dan uji white. Pengujian
pada penelitian ini menggunakan grafik plot antara nilai
prediksi variabel dependen dengan residualnya. Tidak terjadi
heteroskedastisitas apabila tidak ada pola yang jelas, serta titik-
titik menyebar di atas dan di bawah angka 0 pada sumbu Y
Ghozali, (2011: 139-143).

4. Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada
periode t dengan kesalahan pengganggu pada periode t-1
 45

(sebelumnya). Jika terjadi korelasi, maka dinamakan ada

problem autokorelasi (Ghozali, 2011: 110).

3.6.2 Koefisien Determinasi R2

Koefisien determinasi (R2) pada intinya mengukur seberapa
jauh kemampuan model dalam menerangkan variasi variabel
dependen. Nilai koefisien determinasi adalah antara nol dan satu.
Nilai R2 yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen amat
terbatas. Nilai yang mendekati satu berarti variabel-variabel
independen memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variabel dependen Ghozali, (2011:97)

3.6.3 Uji-t
Dalam melakukan analisis data pada penelitian ini,
menggunakan uji hipotesis antara lain uji t (parsial).

dimana:

Ha : Terdapat pengaruh yang signifikan Hari Raya Idul Fitri

terhadap Inflasi di Kota Banda Aceh
Ho : Tidak terdapat pengaruh yang signifikan Hari Raya Idul
Fitri terhadap Inflasi di Kota Banda Aceh.
Ketentuan dalam pengujian ini adalah sebagai berikut:
Jika tingkat signifikan 5%, maka Ho di tolak dan Ha diterima.
Jika tingkat signifikan 5%, maka Ho di terima dan Ha ditolak.
 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN

4.1 Deskripsi Variabel

Adapun variabel yang digunakan dalam penelitian ini yaitu
Inflasi IHK merupakan inflasi yang diukur dengan menggunakan
indeks harga konsumen. Inflasi IHK dalam penelitian ini digunakan
untuk melihat pengaruh pada pada saat hari raya idul fitri. Inflasi
IHK yang digunakan dalam penelitian ini merupakan data bulan
dalam satuan persen (%) periode 2010-2019, Sedangkan tingkat
inflasi secara umum digunakan untuk melihat peramalan pada masa
yang akan datang yaitu periode 2020 sampai dengan 2023.

4.1.1 Variabel Terikat

Data Variabel Dependent pada penelitian ini adalah data
inflasi di Kota Banda Aceh saat Hari Raya Idul Fitri yang diperoleh
dari Badan Pusat Statistik. Data inflasi Kota Banda Aceh saat Hari
Raya Idul Fitri yang diperoleh dengan observasi bulan sebelum,
bulan sesudah Hari Raya Idul Fitri dan bulan saat Hari Raya Idul
Fitri berlangsung yang dikumpulkan dari tahun 2010 sampai tahun
2019. Berikut deskripsi inflasi saat Hari Raya Idul Fitri di Kota
Banda Aceh.

46
 47

INFLASI HARI RAYA IDUL FITRI BANDA

ACEH 2010-2019
2.5

1.5

0.5

0
November

Juni
Juni

Juni

Juni

April
April

Mei

Mei

Mei
Juli

Juli

Oktober
Agustus

Juli
September

Agustus

Agustus

Juli

Juli

Agustus

Juli
September

September

September
-0.5

-1

-1.5 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Gambar 4.1
Diagram Garis Inflasi Idul Fitri Kota Banda Aceh
Gambar 4.1 merupakan diagram garis inflasi saat Hari Raya
Idul Fitri di Kota Banda Aceh dari tahun 2010 sampai tahun 2019.
Berdasarkan gambar 4.1 diatas Inflasi yang terjadi saat lebara Idul
Fitri di Banda Aceh mengalami fluktuasi, dimana angka inflasi
yang terjadi terus bergerak naik dan turun. Pergerakan angka inflasi
yang terjadi tidak mengalami pergerak secara konstan naik maupun
turun, melainkan berfluktuasi mengikuti pola musiman. Secara
umum tidak dapat didefinisikan secara grafik bahwasannya terjadi
kenaikan inflasi saat mendekati Hari Raya Idul Fitri.
 48

4.1.2 Deskripsi Variabel Independent

Data Variabel Independent pada penelitian ini adalah data
inflasi kelompok barang dan jasa saat Hari Raya Idul Fitri di Kota
Banda Aceh yang diperoleh dari Badan Pusat Statistik. Data inflasi
kelompok barang dan jasa saat Hari Raya Idul Fitri di Kota Banda
Aceh tersebut diperoleh dengan observasi 2 bulan sebelum, 2 bulan
sesudah Hari Raya Idul Fitri dan bulan saat Hari Raya Idul Fitri
berlangsung yang dikumpulkan dari tahun 2010 sampai tahun
2019. Berikut deskripsi kenaikan harga sembako Kota Banda Aceh
dari Januari 2015 sampai Desember 2019.

INFLASI KELOMPOK BARANG DAN

JASA SAAT IDUL FITRI DI KOTA BANDA
ACEH 2010-2019
8
6
4
2
0
-2
November

Juni

Juni

Juni

Juni
April

April
Mei

Mei

Mei
Oktober
September

Agustus

Agustus

Agustus

Juli

Agustus
Juli

Juli
September

Juli
September

September

Juli

Juli

-4
-6

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

Bahan Makanan Makanan Jadi

Perumahan, Air,Listrik Sandang
Kesehatan Pendidikan,Rekreasi
Transportasi,Kamunikasi

Gambar 4.2
Diagram Garis kelompok barang dan jasa Kota Banda Aceh
 49

Gambar 4.2 merupakan diagram garis inflasi kelompok

barang dan jasa saat Hari Raya Idul Fitri di Kota Banda Aceh dari
tahun 2010 sampai 2019. Berdasarkan gambar 4.2 diatas secara
umum inflasi kelompok barang dan jasa saat Hari Raya Idul Fitri di
Kota Banda Aceh tersebut diperoleh bahwa pergerakan inflasi
kelompok barang dan jasa mengalami pergerakan fluktuatif. Inflasi
yang paling signifikan mengalami fluktuatif yaitu inflasi kelompok
transportasi, bahan makanan, sandang, dan pendidikan. Sedangkan
inflasi kelompok makanan jadi, perumahan dan kesehatan
mengalami fluaktuatif yang tidak signifikan.

4.2 Hasil Regresi Linier Berganda

Pada penelitian ini, Analisis Regresi dilakukan untuk
mengukur seberapa besar pengaruh variabel hari raya terhadap
inflasi di Kota Banda Aceh. Hasil Regresi Linier Berganda dapat
dilihat pada tabel 4.1 berikut.
 50

Tabel 4.1
Hasi Regresi Linier Berganda
Variable Coefficient Std. Error t-Statistic Prob.

C 0.003273 0.018613 0.175853 0.8607

BAHANMAKANAN(X1
) 0.248642 0.005002 49.70435 0.0000
MAKANANJADI(X2) 0.184127 0.031729 5.803119 0.0000
PERUMAHAN(X3) 0.208243 0.032957 6.318683 0.0000
SANDANG(X4) 0.051965 0.011542 4.502398 0.0000
KESEHATAN(X5) 0.061909 0.011314 5.471639 0.0000
PENDIDIKAN(X6) 0.052793 0.017964 2.938843 0.0040
TRANSPORTASI(X7) 0.166316 0.009825 16.92747 0.0000
BULANLEBARAN(D1) 0.018957 0.046295 0.409477 0.6830

R-squared 0.969834 Mean dependent var 0.300521

Adjusted R-squared 0.967640 S.D. dependent var 0.701876
S.E. of regression 0.126260 Akaike info criterion -1.228323
Sum squared resid 1.753587 Schwarz criterion -1.018137
Log likelihood 82.08520 Hannan-Quinn criter. -1.142973
F-statistic 442.0544 Durbin-Watson stat 1.348375
Prob(F-statistic) 0.000000

Berdasarkan tabel 4.1 hasil regresi linier Berganda, maka

diperoleh persamaan regresi linier Berganda sebagai berikut:

Y = 0.003 + 0.24X1 + 0.18X2 + 0.21X3 + 0.05X4 + 0.06X5 +

0.05X6 + 0.177 + 0.027D1

Interpretasi dari persamaan regresi linier Berganda yaitu

sebagai berikut:

1. Nilai koefisien (ß0) = 0.003273, artinya ketika semua

variabel bebas (Independent) bernilai 0, maka nilai inflasi di
Kota Banda Aceh bernilai 0.003%.
 51

2. Nilai koefisien (ß1) = 0.248642, artinya ketika Bahan

Makanan (X1) mengalami kenaikan sebesar 1% maka nilai
inflasi di Kota Banda Aceh juga akan naik sebesar 0.24%
dengan asumsi bahwa variabel bebas lainnya bernilai 0.
3. Nilai koefisien (ß2) = 0.184127, artinya ketika Makanan
Jadi, Minuman, Rokok dan Tembakau (X2) mengalami
kenaikan sebesar 1% maka nilai inflasi di Kota Banda Aceh
juga akan naik sebesar 0.18% dengan asumsi bahwa
variabel bebas lainnya bernilai 0.
4. Nilai koefisien (ß3) = 0.208243, artinya ketika Perumahan,
Air, Listrik, Gas, dan Bahan Bakar (X3) mengalami
kenaikan sebesar 1% maka nilai inflasi di Kota Banda Aceh
juga akan naik sebesar 0.20% dengan asumsi bahwa
variabel bebas lainnya bernilai 0.
5. Nilai koefisien (ß4) = 0.051965, artinya ketika Sandang (X4)
mengalami kenaikan sebesar 1% maka nilai inflasi di Kota
Banda Aceh juga akan naik sebesar 0.05% dengan asumsi
bahwa variabel bebas lainnya bernilai 0.
6. Nilai koefisien (ß5) = 0.061909, artinya ketika Kesehatan
(X5) mengalami kenaikan sebesar 1% maka nilai inflasi di
Kota Banda Aceh juga akan turun sebesar 0.06% dengan
asumsi bahwa variabel bebas lainnya bernilai 0.
7. Nilai koefisien (ß6) = 0.052793, artinya ketika Pendidikan,
Rekreasi, dan Olahraga (X6) mengalami kenaikan sebesar
1% maka nilai inflasi di Kota Banda Aceh juga akan naik
 52

sebesar 0.05% dengan asumsi bahwa variabel bebas

lainnya bernilai 0.
8. Nilai koefisien (ß7) = 0.166316, artinya ketika Transpor,
Komunikasi, dan Jasa Keuangan (X7) mengalami kenaikan
sebesar 1% maka nilai inflasi di Kota Banda Aceh juga
akan turun sebesar 0.16% dengan asumsi bahwa variabel
bebas lainnya bernilai 0.
9. Nilai koefisien (ß8) = 0.166316, artinya ketika memasuki
Bulan Hari Raya Idul Fitri (D1), maka nilai inflasi di Kota
Banda Aceh juga akan naik sebesar 0.16 % dengan asumsi
bahwa variabel bebas lainnya bernilai 0.

4.3 Hasil Uji Statistik

4.3.1 Hasil Uji Sigifikansi Simultan (Uji F)
Pengujian secara simultan menggunakan uji F. Uji F
bertujuan untuk menguji apakah variabel bebas berpengaruh secara
bersama-sama (menyeluruh) terhadap variabel terikat. Kriteria
yang digunakan apabila nilai probabilitas F-Statistics < 0.05, maka
secara simultan variabel bebas berpengaruh signifikan terhadap
variabel terikat dan apabila nilai probabilitas (F-Statistics) > 0.05,
maka secara simultan variabel bebas tidak berpengaruh signifikan
terhadap variabel terikat.

Berdasarkan tabel 4.1 nilai probabilitas F-Statistics (0.000)

< 0.05, maka hasil uji F menyatakan bahwa secara simultan
variabel Bahan Makanan (X1), Makanan Jadi, Minuman, Rokok
 53

dan Tembakau (X2), Perumahan, Air, Listrik, Gas, dan Bahan

Bakar (X3), Sandang (X4), Kesehatan (X5), Pendidikan, Rekreasi,
dan Olahraga (X6), Transpor, Komunikasi, dan Jasa Keuangan
(X7), Bulan Hari Raya Idul Fitri (D1) berpengaruh secara
signifikan terhadap Inflasi (Y) di Kota Banda Aceh

4.3.2 Hasil Uji Signifikansi Parsial (Uji t)

Pengujian secara simultan menggunakan uji t. Uji t
bertujuan untuk menguji apakah variabel bebas berpengaruh secara
parsial (individu) terhadap variabel terikat. Kriteria yang digunakan
apabila nilai probabilitas F-Statistics < 0.05 atau nilai thitung > ttabel,
maka secara parsial variabel bebas berpengaruh signifikan terhadap
variabel terikat dan apabila nilai probabilitas (F-Statistics) > 0.05
atau nilai thitung < ttabel, maka secara parsial variabel bebas tidak
berpengaruh signifikan terhadap variabel terikat. Jumlah observasi,
n = 50 Jumlah parameter, k = 8 Nilai ttabel, df = n – k = 50 – 8 = 48,
α = 5% → 2.01808. Hasil Uji t dapat dilihat pada tabel 4.2 berikut

Tabel 4.2
Hasi Uji t
Variabel thitung Nilai Probabilitas

X1 49.70435 0.0000

X2 5.803119 0.0000

X3 6.318683 0.0000

X4 4.502398 0.0000
 54

X5 5.471639 0.0000

X6 2.938843 0.0040

X7 16.92747 0.0000

D1 0.409477 0.6830

Berdasarkan tabel 4.2 Hasil Uji t, diperole hasil untuk

masing – masing variabel sebagai berikut:

a) Bahan Makanan (X1) diperoleh nilai t hitung

(49.70435) > t tabel (2.01808) dan nilai probabilitas
(0.0000) < α (0.05), maka keputusannya adalah
berpengaruh signifikan. Hasil uji t tersebut menyatakan
bahwa Bahan Makanan berpengaruh secara signifikan
terhadap Nilai Inflasi di Kota Banda Aceh.
b) Makanan Jadi, Minuman, Rokok dan Tembakau (X2)
diperoleh nilai t hitung (5.803119) > t tabel (2.01808)
dan nilai probabilitas (0.000) < α (0.05), maka
keputusannya adalah berpengaruh signifikan. Hasil uji t
tersebut menyatakan bahwa Makanan Jadi, Minuman,
Rokok dan Tembakau berpengaruh secara signifikan
terhadap Nilai Inflasi di Kota Banda Aceh.
c) Perumahan, Air, Listrik, Gas, dan Bahan Bakar (X3)
diperoleh nilai t hitung (6.318683) > t tabel (2.01808)
dan nilai probabilitas (0.000) < α (0.05), maka
keputusannya adalah berpengaruh signifikan. Hasil uji t
tersebut menyatakan bahwa Perumahan, Air, Listrik,
 55

Gas, dan Bahan Bakar berpengaruh secara signifikan

terhadap Nilai Inflasi di Kota Banda Aceh.
d) Sandang (X4) diperoleh nilai t hitung (4.502398) > t
tabel (2.01808) dan nilai probabilitas (0.000) < α (0.05),
maka keputusannya adalah berpengaruh signifikan.
Hasil uji t tersebut menyatakan bahwa Sandang
berpengaruh secara signifikan terhadap Nilai Inflasi di
Kota Banda Aceh.
e) Kesehatan (X5) diperoleh nilai t hitung (5.471639) > t
tabel (2.01808) dan nilai probabilitas (0.000) < α (0.05),
maka keputusannya adalah berpengaruh signifikan.
Hasil uji t tersebut menyatakan bahwa Kesehatan
berpengaruh secara signifikan terhadap Nilai Inflasi di
Kota Banda Aceh.
f) Pendidikan, Rekreasi, dan Olahraga (X6) diperoleh nilai
t hitung (2.938843) > t tabel (2.01808) dan nilai
probabilitas (0.0040) > α (0.05), maka keputusannya
adalah berpengaruh signifikan. Hasil uji t tersebut
menyatakan bahwa Pendidikan, Rekreasi, dan Olahraga
berpengaruh secara signifikan terhadap Nilai Inflasi di
Kota Banda Aceh.
g) Transpor, Komunikasi, dan Jasa Keuangan (X7)
diperoleh nilai t hitung (16.92747) > t tabel (2.01808)
dan nilai probabilitas (0.0000) < α (0.05), maka
keputusannya adalah berpengaruh signifikan. Hasil uji t
 56

tersebut menyatakan bahwa Transpor, Komunikasi, dan

Jasa Keuangan berpengaruh secara signifikan terhadap
Nilai Inflasi di Kota Banda Aceh.
h) Bulan Hari Raya Idul Fitri (D1) diperoleh nilai t hitung
(0.409477) < t tabel (2.01808) dan nilai probabilitas
(0.6830) > α (0.05), maka keputusannya adalah tidak
berpengaruh signifikan. Hasil uji t tersebut menyatakan
bahwa ketika memasuki Bulan Hari Raya, Nilai Inflasi
di Kota Banda Aceh tidak berpengaruh secara
signifikan.

4.3.3 Nilai Koefisien Determinasi (R2)

Koefisien Determinasi Regresi Linier Berganda
menunjukkan tingkat/ derajat keakuratan hubungan variabel
independen terhadap variabel dependen. Berikut hasil koefisien
determinasi untuk masing–masing. Pada penelitian ini diperoleh
hasil nilai koefisien determinasi (R2) yang ditampilkan pada tabel
4.1 adalah sebesar 0.985234 yang berarti bahwa Nilai Inflasi(Y) di
Kota Banda Aceh dapat dijelaskan oleh variabel variabel Bahan
Makanan (X1), Makanan Jadi, Minuman, Rokok dan Tembakau
(X2), Perumahan, Air, Listrik, Gas, dan Bahan Bakar (X3),
Sandang (X4), Kesehatan (X5), Pendidikan, Rekreasi, dan
Olahraga (X6), Transpor, Komunikasi, dan Jasa Keuangan (X7),
dan Bulan Hari Raya Idul Fitri (D1) sebesar 96.7640% sedangkan
sisanya 3.2360% dijelaskan oleh variabel-varabel lainnya yang
tidak dimasukkan kedalam model.
 57

4.4 Uji Asumsi Klasik

Uji asumsi klasik digunakan untuk mendeteksi ada tidaknya
masalah normalitas, autokorelasi, multikolinieritas, dan
heterokedastisitas. Apabila terjadi penyimpangan terhadap asumsi
klasik tersebut maka uji t dan uji F yang dilakukan sebelumnya
dapat terjadi bias dan secara statistik dapat mengacaukan
kesimpulan yang diperoleh.

4.4.1 Uji Asumsi Normalitas

Uji normalitas ini digunakan untuk mengetahui apakah
residual berdistribusi normal atau tidak. Untuk menguji apakah
distribusi data normal atau tidak dapat dilakukan dengan
menggunkan uji Jarque-Berra (uji J-B).
12
Series: Standardized Residuals
Sample 2010 2019
10
Observations 50

8 Mean -9.81e-17
Median -0.007076
Maximum 0.268318
6
Minimum -0.140145
Std. Dev. 0.079819
4 Skewness 0.677051
Kurtosis 4.311667
2
Jarque-Bera 7.404303
Probability 0.024670
0
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20 0.25

Gambar 4.3
Hasi Uji Jarque-Berra

Berdasarkan tabel Gambar 4.1 diperoleh nilai probabilitas

dari uji Jarque-Berra sebesar 0.024670 > α (0.01) maka dapat
disimpulkan bahwa regresi linier sederhana pada penelitian ini
 58

menerima hipotesis bahwa asumsi normalitas terpenuhi. Uji

normalitas pada dasarnya tidak merupakan syarat BLUE (Best
Linier Unbias Estimator) dan beberapa pendapat tidak
mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi.

4.4.2 Uji Asumsi Heteroskedastisitas

Heteroskedastisitas merupakan masalah regresi yang faktor
gangguan tidak memiliki varian yang sama atau variannya tidak
konstan. Hal ini akan memunculkan berbagai permasalahan yaitu
penaksir OLS yang bias, varian dari koefisien OLS akan salah.
Dalam penelitian ini akan menggunakan metode dengan uji
Autoregressive Conditional Heteroskedasticity (ARCH) untuk
mendeteksi ada tidaknya heteroskedastisitas dalam model yang
dibentuk.

Tabel 4.3
Hasi Uji ARCH

Heteroskedasticity Test: ARCH

F-statistic 0.116219 Prob. F(1,115) 0.7338

Obs*R-squared 0.118120 Prob. Chi-Square(1) 0.7311

Berdasarkan tabel Tabel 4.3 diperoleh nilai prob. Chi-

Square dari uji ARCH berada diatas nilai α (0.05), maka dapat
disimpulkan bahwa regresi linier sederhana pada penelitian ini
menerima hipotesis bahwa asumsi heterokedastisitas terpenuhi.
 59

4.4.3 Uji Asumsi Multikolinieritas

Multikolinieritas bertujuan untuk mengukur hubungan antar
variabel independen sehingga dapat dikatakan ada tidaknya gejala
multikolinearitas diantara variabel independen. Untuk menguji ada
tidaknya gejala multikolinearitas digunakan metode korelasi parsial
antar variabel dimana rule of thumb yang berlaku adalah jika nilai
koefisien korelasi cukup tinggi, yaitu diatas 0.85 maka dapat
diduga bahwa model regresi mengalami multikolinearitas.

Tabel 4.4
Hasi Uji Asumsi Multikolinieritas
X1 X2 X3 X4 X5 X6 X7 X8
1 0.091 - 0.275 - - 0.036 0.210
335 0.185 594 0.325 0.226 452 683
X1 71 81 48

0.09 1 0.083 - - 0.001 0.460 -

133 544 0.087 0.283 596 773 0.173
X2 5 66 17 25

- 0.083 1 - - 0.053 0.042 -

0.18 544 0.117 0.055 229 431 0.110
X3 571 11 89 83

0.27 - - 1 0.065 - - 0.337

559 0.087 0.117 969 0.124 0.197 636
X4 4 66 11 48 81

- - - 0.065 1 0.086 0.059 -

0.32 0.283 0.055 969 217 87 0.202
X5 581 17 89 19

- 0.001 0.053 - 0.086 1 - -

0.22 596 229 0.124 217 0.012 0.173
X6 648 48 68 46

0.03 0.460 0.042 - 0.059 - 1 -

X7 645 773 431 0.197 87 0.012 0.064
 60

Tabel 4.4 Lanjutan

X1 X2 X3 X4 X5 X6 X7 X8
2 81 68 53

0.21 - - 0.337 - - - 1
068 0.173 0.110 636 0.202 0.173 0.064
X8 3 25 83 19 46 53

Berdasarkan Tabel 4.4 diperoleh nilai korelasi pearson

untuk pengujian asumsi multikolinieritas, dapat dilihat bahwa nilai
korelasi terbesar berada diantar Variabel X2 dengan Variabel X7
yaitu sebesar 0.46 yang bahkan tidak berada diatas 0.85 yang
berarti tidak terdapat gejala multikolinieritas dan asumsi terpenuhi.

4.4.4 Uji Asumsi Autokorelasi

Autokorelasi menunjukkan adanya korelasi antara anggota
serangkaian observasi. Jika model mempunyai korelasi, parameter
yang diestimasi menjadi bias dan variasinya tidak lagi minimum
dan model menjadi tidak efisien. Dalam penelitian ini, untuk
mengetahui ada tidaknya autokorelasi dalam model digunakan uji
durbin-watson (dw-test). Kriteria ketiadaan Autokorelasi dalam uji
durbin-watson dalam penelitian ini adalah ketika nilai dL < nilai
dw-test < 4 – dU.

Tabel 4.5
Hasi Uji Asumsi Autokorelasi

dL Nilai Durbin-Watson 4-Du

1.2461 1.869187 2.1250
 61

Berdasarkan tabel 4.5 diperoleh nilai durbin-watson berada

pada kriteria, maka dapat disimpulkan regresi linier sederhana pada
penelitian ini menerima hipotesis bahwa asumsi autokorelasi
terpenuhi.

4.5 Peramalan Inflasi Menggunakan Metode ARIMA

4.5.1 Identifikasi Model
a) Stationeritas Data
Langkah utama dalam mengidentifikasi model untuk
peramalan menggunakan ARIMA yaitu menguji kestationeran data
inflasi di Kota Banda Aceh. Pengujian stationeritas data
menggunakan Unit Root Test. Berikut hasil pengujian
menggunakan Unit Root Test.
Tabel 4.6
Hasi Uji Stationeritas Data

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -8.123274 0.0000

Test critical values: 1% level -3.487550
5% level -2.886509
10% level -2.580163

Berdasarkan tabel 4.6 diperoleh bahwa data inflasi di Kota

Banda Aceh sudah stationer tanpa melakukan differencing.
Kestationeran sudah terpenuhi apabila nilai probabilitas berada di
bawah α (0.01). Sehingga data inflasi di Kota Banda Aceh tidak
perlu dilakukan differencing untuk memenuhi kestationeran data.
 62

b) Identifikasi Model dengan ACF dan PACF

Untuk identifikasi model dari data inflasi di Kota Banda
Aceh dilakukan dengan menggunakan plot ACf dan PACF. Berikut
adalah plot ACF dan PACF data inflasi di Kota Banda Aceh.

Gambar 4.4
Plot ACF dan PACF Inflasi di Kota Banda Aceh
Berdasarkan gambar 4.3 diperoleh plot ACF dan PACF
mengalami cut-off. Pada plot ACF mengalami cut-off pada lag ke-1
begitu juga pada plot PACF mengalami cut-off pada lag ke-1.
Sehingga perlu dilakukan pendugaan model dengan trial and error
pada kemungkinan model yang akan terbentuk.
 63

4.6 Estimasi Parameter

Estimaasi parameter model ARIMA dilakukan dengan
membandingkan kriteria model terbaik pada data infasi di Kota
Banda Aceh. Kriteria model terbaik yang digunakan yaitu Adjusted
r-squared, AIC(Akaike info criterion), dan SC (Schwarz criterion).
Berikut hasil pengujian model terbaik pada data inflasi di Kota
Banda Aceh.

Tabel 4.7
Estimasi Parameter

Model Adjusted AIC SC

r-squared
ARIMA (1,0,0) 0.027472 2.121657 2.191345
ARIMA (1,0,1) 0.044662 2.112231 2.205148
ARIMA (1,0,2) 0.081613 2.073526 2.166443
ARIMA(1,0,3) 0.086896 2.067764 2.160681
ARIMA (1,0,4) 0.077409 2.080014 2.172931
ARIMA (2,0,0) 0.037336 2.112000 2.181688
ARIMA (2,0,1) 0.068705 2.087121 2.180037
ARIMA (2,0,2) 0.055711 2.101538 2.194454
ARIMA (2,0,3) 0.108731 2.044397 2.137313
ARIMA (2,0,4) 0.093525 2.062598 2.155514
ARIMA (3,0,0) 0.130924 2.012686 2.082374
ARIMA (3,0,1) 0.135271 2.014945 2.107861
 64

ARIMA (3,0,2) 0.154366 1.993326 2.086242

ARIMA (3,0,3) 0.287822 1.842931 1.935848
ARIMA (3,0,4) 0.143955 2.005968 2.098885
Tabel 4.7 – Lanjutan
ARIMA (4,0,0) 0.029910 2.120339 2.190026
ARIMA (4,0,1) 0.066862 2.089472 2.182388
ARIMA (4,0,2) 0.073485 2.083052 2.175968
ARIMA (4,0,3) 0.094642 2.060134 2.153050
ARIMA (4,0,4) 0.072446 2.087852 2.180768

Kriteria model terbaik dipilih dengan melihat nilai Adjusted

r-squared yang terbesar, nilai AIC terkecil dan nilai SC terkecil.
Apabila nilai kriteria tersebut dibandingkan pada masing-masing
model dengan memenuhi kriteria tersebut maka model tersebut
merupakan model terbaik yang dapat digunakan untuk permalan.
Berdasarkan tabel 4.7 diperoleh model ARIMA (3,0,3) merupakan
model terbaik karena memiliki nilai Adjusted r-squared yang
terbesar, nilai AIC terkecil dan nilai SC terkecil dibandingkan
model lainnya. Sehingga peramalan yang akan dilakukan nantinya
menggunakan model ARIMA (3,0,3).
 65

4.7 Hasil Prediksi Peramalan Inflasi di Kota Banda Aceh

Tahun 2020 sampai 2024.
Estimasi parameter yang dilakukan menunjukkan model
ARIMA (3,0,3) merupakan model terbaik dalam mengestimasi
peramalan inflasi di Kota Banda Aceh dari tahun 2020 sampai
2024. Estimasi peramalan inflasi di Kota Banda Aceh dari tahun
2010 sampai 2024 ditunjukkan pada grafik berikut :

-1

-2
10 11 12 13 14 15 16 17 18 19 20 21 22 23

INFLASI DIN

Gambar 4.5
Grafik Data Aktual dan Hasil Peramalan

Berdasarkan gambar 4.5 diperoleh bahwa pada garis

berwarna biru merupakan data aktual inflasi di Kota Banda Aceh
 66

dari tahun 2010 sampai 2019, sedangkan garis berwarna merah

merupakan estimasi permalan inflasi di Kota Banda Aceh dari
tahun 2010 sampai tahun 2023 menggunakan model ARIMA
(3,0,3). Terlihat bahwa kedua garis grafik menunjukkan pola yang
musiman yang hampir sama meskipun terdapat perbedaan pada
pergerakkan angka yang cenderung lebih drastis pada data aktual.

Hasil peramalan yang diperoleh menunjukkan data inflasi

masih mengalami fluktuatif di setiap tahunnya. Fluktutatif yang
terjadi cenderung semakin kecil seiring pergantian tahun
kedepeannya. Hasil permalan angka inflasi di Kota Banda Aceh
lebih jelasnya dapat dilihat pada tabel 4.8 berikut
Tabel 4.8
Perbandingan Inflasi Aktual dan Inflasi Hasil Permalan

TAHUN BULAN AKTUAL PERAMALAN

2010 Januari 1.571 NA
2010 Februari 0.068 NA
2010 Maret -0.161 NA
2010 April -0.559 -0.203058032
2010 Mei -0.068 0.382560542
2010 Juni 1.13 0.471786525
2010 Juli 1.13 0.783398622
2010 Agustus -0.034 0.207650627
 67

Tabel 4.8 Lanjutan

2010 September 0.37 0.119928544
2010 Oktober 0.075 -0.186431343
2010 November 1.732 0.379612442
2010 Desember 1.176 0.465855973
2011 Januari 1.739 0.767052175
2011 Februari 0.471 0.210549037
2011 Maret -1.916 0.125759137
2011 April -0.227 -0.170360414
2011 Mei -0.39 0.376762885
2011 Juni 0.473 0.460123653
2011 Juli 1.161 0.751252121
2011 Agustus 1.886 0.213350565
2011 September -1.008 0.131394839
2011 Oktober -0.279 -0.15482667
2011 November 0.519 0.374008576
2011 Desember 0.913 0.454582942
2012 Januari 0.02 0.735980197
2012 Februari -0.28 0.216058449
2012 Maret 0.41 0.136842162
2012 April -0.13 -0.139812154
2012 Mei -0.59 0.371346333
2012 Juni 0.64 0.449227433
 68

Tabel 4.8 Lanjutan

2012 Juli 0.18 0.721218751

2012 Agustus 0.49 0.218675821
2012 September -0.23 0.142107404
2012 Oktober -0.3 -0.125299511
2012 November -0.82 0.368773077
2012 Desember 0.66 0.444050936
2013 Januari 1.22 0.706950717
2013 Februari 0.3 0.221205704
2013 Maret -0.12 0.147196651
2013 April 0.29 -0.111271965
2013 Mei -0.19 0.366285835
2013 Juni 1.75 0.439047469
2013 Juli 1.8 0.693159605
2013 Agustus 1.04 0.223651025
2013 September -0.6 0.152115785
2013 Oktober 0.17 -0.097713301
2013 November -0.13 0.36388173
2013 Desember 0.5 0.434211246
2014 Januari 1.85 0.679829472
2014 Februari -0.45 0.226014608
2014 Maret -0.52 0.156870493
2014 April -0.15 -0.084607847
 69

Tabel 4.8 Lanjutan

2014 Mei 0.86 0.361557985

2014 Juni 0.4 0.429536678
2014 Juli 1.23 0.66694491
2014 Agustus 0.06 0.228299186
2014 September 0.47 0.161466272
2014 Oktober 0.38 -0.071940454
2014 November 1.28 0.359311913
2014 Desember 2.19 0.425018362
2015 Januari 0.1 0.654491025
2015 Februari -0.9 0.230507401
2015 Maret -0.61 0.165908432
2015 April 0.08 -0.059696479
2015 Mei 0.51 0.357140918
2015 Juni 1.2 0.420651074
2015 Juli 0.61 0.642453422
2015 Agustus -0.22 0.232641804
2015 September -0.36 0.17020211
2015 Oktober 0.1 -0.047861769
2015 November 0.23 0.35504249
2015 Desember 0.54 0.416429766
2016 Januari 0.61 0.630818186
2016 Februari 0.02 0.234704863
 70

Tabel 4.8 Lanjutan

2016 Maret -0.26 0.174352267
2016 April -1.09 -0.036422644
2016 Mei 0.73 0.353014204
2016 Juni 1.1 0.412349559
2016 Juli 0.73 0.619571867
2016 Agustus -0.35 0.236698962
2016 September 0.78 0.178363703
2016 Oktober -0.02 -0.025365881
2016 November 0.15 0.351053715
2016 Desember 0.71 0.408405736
2017 Januari 0.28 0.608701466
2017 Februari 0.19 0.238626407
2017 Maret -0.15 0.182241052
2017 April -0.1 -0.0146787
2017 Mei 0.86 0.349158757
2017 Juni 0.81 0.404593739
2017 Juli 0.32 0.598194417
2017 Agustus 0.42 0.240489426
2017 September 0.62 0.185988799
2017 Oktober 0.17 -0.004348747
2017 November 0.3 0.347327139
2017 Desember 1.06 0.400909161
 71

Tabel 4.8 Lanjutan

2018 Januari -0.33 0.588038574

2018 Februari -0.21 0.242290171
2018 Maret -0.08 0.189611273
2018 April -0.1 0.005635919
2018 Mei 0.72 0.345556745
2018 Juni 0.84 0.397347743
2018 Juli 0.08 0.5782222
2018 Agustus 0.5 0.244030726
2018 September -0.75 0.193112663
2018 Oktober 0.32 0.015286839
2018 November 0.92 0.343845528
2018 Desember 0.02 0.393905368
2019 Januari 0.43 0.568733946
2019 Februari -0.54 0.2457131
2019 Maret -0.44 0.196497017
2019 April 0.36 0.024615169
2019 Mei 1.48 0.34219151
2019 Juni 0.38 0.390578058
2019 Juli -0.24 0.559562844
2019 Agustus 0.07 0.24733924
2019 September -0.55 0.199768245
2019 Oktober 0.07 0.033631692
 72

Tabel 4.8 Lanjutan

2019 November -0.1 0.340592778

2019 Desember 0.17 0.387361966
2020 Januari NA 0.550698295
2020 Februari NA 0.248911025
2020 Maret NA 0.20293013
2020 April NA 0.04234683
2020 Mei NA 0.339047486
2020 Juni NA 0.384253374
2020 Juli NA 0.54213005
2020 Agustus NA 0.250430272
2020 September NA 0.205986327
2020 Oktober NA 0.050770657
2020 November NA 0.337553846
2020 Desember NA 0.38124869
2021 Januari NA 0.533848206
2021 Februari NA 0.251898736
2021 Maret NA 0.208940367
2021 April NA 0.058912911
2021 Mei NA 0.336110133
2021 Juni NA 0.37834444
2021 Juli NA 0.52584319
2021 Agustus NA 0.253318116
 73

Tabel 4.8 Lanjutan

2021 September NA 0.211795667

2021 Oktober NA 0.066783003
2021 November NA 0.334714676
2021 Desember NA 0.375537267
2022 Januari NA 0.518105748
2022 Februari NA 0.254690052
2022 Maret NA 0.214555525
2022 April NA 0.07439003
2022 Mei NA 0.333365864
2022 Juni NA 0.372823925
2022 Juli NA 0.510626936
2022 Agustus NA 0.25601613
2022 September NA 0.217223133
2022 Oktober NA 0.081742787
2022 November NA 0.332062137
2022 Desember NA 0.37020128
2023 Januari NA 0.50339811
2023 Februari NA 0.257297883
2023 Maret NA 0.219801574
2023 April NA 0.088849771
2023 Mei NA 0.330801989
2023 Juni NA 0.367666299
 74

Tabel 4.8 Lanjutan

2023 Juli NA 0.496410913

2023 Agustus NA 0.258536791
2023 September NA 0.222293828
2023 Oktober NA 0.095719199
2023 November NA 0.329583962
2023 Desember NA 0.365216051

Berdasarkan tabel 4.8 tersebut diperoleh hasil ramalan

inflasi di Kota Banda Aceh dari tahun 2020 sampai tahun 2024
berada diantara 0% sampai 1%. Hasil ramalan inflasi di Kota
Banda Aceh dari tahun 2020 sampai tahun 2024 menunjukkan
angka inflasi tertinggi sebesar 0,5507% terjadi pada Januari 2020
sedangkan inflasi terendah sebesar 0,0423% terjadi pada April
2020.

4.8 Pembahasan
Hasil penelitian ini menunjukkan bahwa pada secara
serentak semua variabel inflasi kelompok barang dan jasa di Kota
Banda Aceh mempengaruhi inflasi di Kota Banda Aceh. Dan
Secara parsial inflasi kelompok barang dan jasa pada bahan
makanan, makanan jadi, minuman rokok dan tembakau,
(perumahan, air dan gas), sandang, kesehatan, (pendidikan,
rekreasi, dan olahraga) serta (trnsportasi, komunikasi dan jasa
 75

keuangan) di Kota Banda Aceh memberikan pengaruh Positif yang

signifikan terhadap inflasi di Kota Banda Aceh. Akan tetapi secara
parsial inflasi ketika memasuki Bulan Hari Raya Idul Fitri di Kota
Banda Aceh tidak memberikan pengaruh yang signifikan terhadap
inflasi di Kota Banda Aceh. Dan peramalan inflasi di Kota Banda
Aceh menggunakan model ARIMA (3,0,3) dengan hasil peramalan
inflasi di Kota Banda Aceh mengalami fluktuatif yang berkisar
antara 0% sampai 1%. Inflasi tertinggi sebesar 0,5507% terjadi
pada Januari 2020 sedangkan inflasi terendah sebesar 0,0423%
terjadi pada April 2020.
Temuan ini sesuai dengan Arini (2012) di Provinsi Bali
yang menyatakan hasil bahwa Hari Raya Galungan tidak signifikan
sebagai komponen musiman yang mempengaruhi IHK Privinsi
Bali, peramalan terhadap nilai inflasi di Bali tahun 2012 adalah
sebesar 6,23%. Dan didukung oleh Partogi (2017) yang
berkesimpulan bahwa jangka panjang variabel jumlah uang
beredar, produk domestik bruto dan tingkat suku bunga
berpengaruh positif dan signifikan terhadap tingkat harga.
Sedangkan adanya hari raya idul fitri dan natal dalam jangka
panjang tidak berpengaruh signifikan terhadap tingkat harga. Serta
Akmal dan Abbasi (2010) dengan hasil penelitian yang menyatakan
bahwa Ramadhan tidak memilki dampak signifikan terhadap harga
barang di Pakistan, keseluruhan IHK tidak meningkat ketika
Ramadhan. Hanya beberapa barang tertentu.
 76

Secara umum inflasi di Kota Banda Aceh mengalami

fluktuasi. dimana angka inflasi yang terjadi terus bergerak naik dan
turun. Pergerakan angka inflasi yang terjadi tidak mengalami
pergerak secara konstan naik maupun turun, melainkan berfluktuasi
mengikuti pola. Gubernur Aceh Nova Iriansyah dalam pertemuan
dengan tim pengendalian inflasi daerah (TPID) yang berlangsung
secara virtual di Banda Aceh, meminta TPID untuk meningkatkan
koordinasi dalam upaya antisipasi agar inflasi di daerah tetap
terjaga. Ia juga meminta untuk memaksimalkan pemantauan stok
produksi komoditas bahan pokok secara secara disiplin setiap
bulannya. Kepala Bank Indonesia Perwakilan Aceh, Achris
Sarwani bersama tim pengendalian inflasi daerah (TPID)
Menyebutkan bahwa laju inflasi Aceh berada pada jalur yang tepat
atau sudah on the track. Dimana laju inflasi triwulan ketiga
mecapai sebesar 1,82 persen. Iya juga menyebutkan bahwa
kenaikan harga di Aceh juga berada dalam koridor yang wajar.
(aceh.antaranews.com)

Selanjutnya tim pengendalian inflasi daerah (TPID) Banda

Aceh juga membahas tentang waspada potensi terjadinya inflasi di
Banda Aceh pada peringatan hari besar islam, seperti hari raya dan
peringatan maulid nabi muhammad SAW yang dibahas pada rapat
rutin TPID Kota Banda Aceh yang dipinpin Sekdakota. Pada rapat
yang dihadiri perwakilan dari BI, BPS, Bulog, dan unsur SKPK di
Banda Aceh terkait ini membicarakan langkah-langkah mengatasi
persoalan inflasi tersebut. Perwakilan BI Aceh menyampaikan
 77

menjelang memasuki Hari Raya biasanya harga akan terjadi

kenaikan seiring dengan kebutuhan bahan pokok masyarakat.
Dalam rapat tersebut TPID juga menyampaikan akan memastikan
bahwa distribusi Rastra harus dilakukan tepat waktu dan tepat
sasaran. Kebijakan ini diyakini akan mampu meminimalisir
terjadinya inflasi. Disisi lain, pemerintah Kota Banda Aceh melalui
Dinas Koperasi, UKM, dan Perdagangan juga melaksanakan pasar
murah untuk menjaga stabilitas harga barang menjelang Hari raya.
Juga kepada masyarakat, Sekdakota Banda Aceh selaku ketua
TPID Kota Banda Aceh meminta agar tidak panik guna menjaga
kestabilan informasi kenaikan harga barang. terkait dengan
informasi harga pangan, masyarakat dihimbau untuk dapat
mengakses website hargapangan.com (bandaacehkota.go.id).
 BAB V
PENUTUP

5.1 Kesimpulan
Berdasarkan hasil pembahasan dan analisis data mengenai
inflasi dan inflasi kelompok barang dan jasa saat Hari Raya Idul
Fitri di Kota Banda Aceh yang telah dilakukan pada bab
sebelumnya, maka penulis dapat mengambil kesimpulan bahwa
secara serentak semua variabel inflasi kelompok barang dan jasa di
Kota Banda Aceh mempengaruhi inflasi di Kota Banda Aceh. Dan
Secara parsial inflasi kelompok barang dan jasa pada bahan
makanan, makanan jadi, minuman rokok dan tembakau,
(perumahan, air dan gas), sandang, kesehatan, (pendidikan,
rekreasi, dan olahraga) serta (trnsportasi, komunikasi dan jasa
keuangan) di Kota Banda Aceh memberikan pengaruh Positif yang
signifikan terhadap inflasi di Kota Banda Aceh. Akan tetapi secara
parsial inflasi ketika memasuki Bulan Hari Raya Idul Fitri di Kota
Banda Aceh tidak memberikan pengaruh yang signifikan terhadap
inflasi di Kota Banda Aceh.
Peramalan inflasi di Kota Banda Aceh menggunakan model
ARIMA (3,0,3) dengan hasil peramalan inflasi di Kota Banda Aceh
mengalami fluktuatif yang berkisar antara 0% sampai 1%. Inflasi
tertinggi sebesar 0,5507% terjadi pada Januari 2020 sedangkan
inflasi terendah sebesar 0,0423% terjadi pada April 2020.

78
 79

5.2 Saran
Berdasarkan Berdasarkan hasil analisis dan penulisan, maka
saran yang dapat diberikan penulis adalah sebagai berikut:
1. Pemerintah Kota Banda Aceh harus lebih meningkatkan
analisa untuk menetapkan kebijakan menjaga keseimbangan
inflasi dan inflasi kelompok barang dan jasa di Kota Banda
Aceh.
2. Bagi masyarakat dan pelaku usaha bidang barang dan jasa
di Kota Banda Aceh agar senantiasa mendukung kestabilan
inflasi di Kota Banda Aceh dengan tidak menjual produk
barang dan jasanya di luar batas harga pada umumnya.
3. Bagi peneliti selanjutnya dapat menggunakan penelitian ini
sebagai bahan acuan dalam melakukan penelitian tentang
harga sembako dan inflasi. Peneliti berharap peneliti
selanjutnya dapat memakai metode analisa lainnya untuk
menganalisis inflasi dan inflasi kelompok barang dan jasa di
Kota Banda Aceh.
 DAFTAR PUSTAKA

Akmal, Muhammad dan Muhammad, Usman, Abbasi. (2010).

Pengaruh Ramadhan terhadap Pergerakkan harga: Bukti
dari Pakistan (Ramadhan efeect on price movements
evidence from Pakistan). SBP Working Paper Series: State
Bank of Pakistan.
Arini, Simpen, Putu. (2012).Pengaruh Hari Raya Galungan pada
Seasonal Adjustment IHK dan Penentuan Komoditas
Utama yang Mempengaruhi Inflasi di Provinsi Bali:
Analisis ARIMA. Jurnal Ekonomi Kuantitatif Terapan:
Vol. 5, No. 2, Udayana-Bali.
Aulia, Pohan. (2008).Potret Kebijakan Moneter Indonesia.
Penerbit: Raja Grafindo Persada, Divisi Rajawali Pers.
Ayu Puspa (2016).Analisis Pola Perilaku Inflasi IHK Sebelum dan
Setelah Hari Raya Idul Fitri (pendekatan ARIMA).
Skripsi, Fakultas Ekonomi dan Bisnis: Universitas
Lampung.
Badan Pusat Statistik (2008).
Baginda, Persaulian, Hasdi, Aimon dan Ali, Anis. (2013).Analisis
Konsumsi Masyarakat di Indonesia. Jurnal Kajian
Ekonomi.
Destiarni Resti P, (2018).Peramalan Harga Telur Ayam Ras Pada
Hari Besar Keagamaan di Pasar Jawa Timur (Forecasting
of Broiler Egg Price on Religious Holiday In East Java
Market). Jurnal Berkala Ilmiah Agribisnis AGRIDEVINA:
Vol. 7 No.1.
Domar, Gujarati. (2007). Dasar-dasar Ekonometrika jilid 1.
Jakarta: Erlangga.
Firman, Risa. (2016).Sejarah Pemikiran Ekonomi Aliran ratex.
https://rizafirma.wordpress.com. Diakses: 1 Mei 2020.

80
 81

Ghozali, Imam. (2001). Pengujian Data Dengan Menggunakan

Asumsi Klasik Dan Analisis Regresi Linier Sederhana.
Jakarta: Gramedia.
Heryati, Meri. (2016).Analisis Faktor-faktor yang Mempengaruhi
Inflasi pada Perekonomian Regional di Pulau Sumatera
(Suatu Analisis data Panel) Periode 2009-2013”. Skripsi,
Fakultas Ekonomi dan Bisnis: Universitas Lampung.
Kalalo, Y.T., Harjunata, Tri Oldy Rotinsulu, Mauna Th. B.
Maramis. (2016). Analisis Faktor-Faktor Yang
Mempengaruhi Inflasi Di Indonesia Periode 2000-
2014.Jurnal Berkala Ilmiah efisiensi: Universitas sam
Ratulangi.
Mankiw, N. Gregory. (2007).Makroeekonomi, Ed. 6. Jakarta:
Erlangga.
Manuela, Theodores. (2014).Analisis Pengaruh Suku Bunga Bi,
Jumlah Uang Beredar dan Tingkat Kurs Terhadap
Inflasi di Indonesia. penerbit: Sam Ratulangi University.
Mustanginah. (2019).Pengaruh Hari Raya Idul Fitri Terhadap
Inflasi Kota Tasikmalaya, BPS Kota Tasikmalaya. Jurnal
Dinamika Ekonomi Pembangunan: Vol. 2, No. 1.
Nanga, Muana. (2001).Makroekonomi: Teori, Masalah dan
Kebijakan, Cet. 1. Jakarta: PT Raja Grafindo Persada.
Nurfadhilah. (2018).Pengaruh Hari Besar Islam Terhadap
Komoditas Utama Inflasi Menurut Kelompok Pengeluaran
di Provinsi Sulawesi Selatan. Makassar: UIN ALAUDDIN.
Partogi, Andreas. (2017).Pengaruh Hari Besar Keagamaan
Nasional (Idul Fitri dan Natal) terhadap Laju Inflasi di
Indonesia Periode 2004. 1- 2016.4: Pendekatan error
Correction Model. skripsi Fakultas Ekonomi dan Bisnis:
Universitas Diponegoro Semarang.
 82

Priyanti,Atien dan Ismeth, Inounu. (2016).Perilaku Harga Produk

Peternakan Pada Hari Besar Keagamaan Nasional (price
behavior of livestock products during National Religius
Holidays).Jurnal Analisis Kebijakan Pertanian, Vol. 14,
No. 2.
Samuelson, A. Paul & William D. Nordhaus. (2001). Economics
Seventeenth Edition. New Yor: Mcgraw Hill
Santoso, Wijoyo, Sri Liani Suselo, Nurhemi dan Guruh Suryani R.
(2013). Pengaruh Hari Besar Pada Komoditas Utama
Inflasi di Indonesia, Working Paper. Bank Indonesia.
Sugiyono. (2011).Statistika Untuk Penelitian. Bandung: Alfabeta.
Sugiyono. (2013).Metode Penelitian Kuantitatif, Kualitatif dan
R&D. Bandung: Alfabeta.
Sukirno, Sadono. (2007).Makro Ekonomi Modern. Jakarta: Raja
Grafindo Persada.
Sukirno, Sadono.(2013). Maroekonomi, Ed. 3, Cet. 22. Jakarta:
Rajawali Pers.
Waroh Siti Muna (2010).Analisis Model Arima Box-jenkins Pada
Data Fluktuasi Harga Emas. Skripsi, Fakultas Sains dan
Teknologi: Universitas Islam Negeri (UIN) Maulana Malik
Ibrahim.
Widarjono Pd. D, Agus. (2013). Ekonomi Pengantar dan
Aplikasinya. Yogyakarta: UPP STIM YPKN.
 Lampiran 1 Inflasi Kelompok Barang dan Jasa
TAHUN BULAN INFLASI KELOMPOK BARANG DAN JASA
BAHAN MAKA MAKAN PERUMA SAND KESEH PENDI TRANSP INFLASI
NAN AN JADI HAN,AIR ANG ATAN DIKAN ORTASI UMUM
2010 Januari 1,571 0,893 -0,175 -0,827 1,537 0 0,031 1,571
2010 Febuari 0,095 0,301 0,062 -0,144 -0,428 0,063 0,031 0,068
2010 Maret -0,796 -0,049 0,378 -0,403 -0,085 -0,054 0,062 -0,161
2010 April -2,129 -0,308 0,166 0,535 0,069 0 -0,166 -0,559
2010 Mei -1,031 0,049 0,148 1,675 0,046 1,031 0,042 -0,068
2010 Juni 3,79 0,423 0,201 -0,792 0,093 1,602 0,021 1,13
2010 Juli 3,79 0,423 0,201 -0,792 0,093 1,602 0,021 1,13
2010 Agustus -1,35 0,057 0,742 0,982 0,402 1,178 -0,052 -0,034
2010 September 0,364 0,453 0,104 1,797 -0,331 -0,044 0,114 0,37
2010 Oktober -0,087 0,105 -0,147 1,168 0,155 0,026 0,021 0,075
2010 November 6,073 0,008 0,13 0,72 0,077 0 0,042 1,732
2010 Desember 3,175 0,217 0,753 0,458 -0,316 0,026 0,27 1,176
2011 Januari 4,511 0,289 -0,086 -0,222 10,898 -0,175 0,145 1,739
2011 Febuari 1,324 0,064 0,009 0,585 -0,119 0,360 0,103 0,471
2011 Maret -7,036 -0,096 0,378 0,709 0,042 -0,323 0,269 -1,916
2011 April -1,047 -0,056 0,103 0,458 0,712 -0,202 -0,113 -0,227
2011 Mei -1,687 -0,016 0,06 0,145 -0,069 -0,135 0,516 -0,39
2011 Juni 0,768 0,737 0,684 0,317 -0,222 -0,229 -0,318 0,473
2011 Juli 3,435 0,779 0,085 0,362 0 1,316 -0,154 1,161
2011 Agustus 4,418 0,229 -0,042 6,418 0,007 0,488 0,031 1,886
2011 September -3,837 0,126 0,017 1,398 0 -0,087 -0,525 -1,008
2011 Oktober -0,453 0,157 0,246 -1,895 0,07 -0,043 -0,425 -0,279
2011 November 0,715 1,099 0,042 1,232 0,285 -0,035 -0,083 0,519
2011 Desember 2,08 0,008 1,387 -0,661 0,166 -0,035 0,479 0,913
2012 Januari 0,6 0,08 -0,61 -0,12 -0,1 -0,09 0,05 0,02
2012 Febuari -1,68 0,18 0,15 0,95 0 0,14 0,32 -0,28
2012 Maret 1,11 0,35 0,19 -0,12 -0,01 -0,06 0,04 0,41
2012 April -0,5 0,11 0,16 -0,58 0,08 -0,03 0,02 -0,13
2012 Mei -1,81 -0,02 -0,17 -0,52 0,07 0,23 0,02 -0,59
2012 Juni 2,04 0,11 -0,09 0,49 0,32 0 0,12 0,64
2012 Juli -0,25 0,47 0,06 0,47 -0,05 2,74 0,06 0,18
2012 Agustus 0,97 0,14 0,18 1,5 -0,02 -0,24 0,12 0,49
2012 September -2,36 0,72 0,03 1,74 0,5 0 0,89 -0,23
2012 Oktober -1,71 -0,01 0,14 0,61 0,81 -0,03 0,37 -0,3
2012 November -2,89 0,27 0,04 -0,94 0,13 -0,04 0 -0,82
2012 Desember 2,33 0,05 0,18 -0,21 0,14 0,11 0,02 0,66
2013 Januari 4,42 0,01 0,06 0,05 0,07 0,03 0 1,22
2013 Febuari 1,11 0,04 0,39 -1,2 0,02 0,12 0,01 0,3
2013 Maret -0,81 0,02 -0,14 -0,96 0,64 0 0,04 -0,12
2013 April 1,51 0,02 0,09 -1,68 -0,06 0,08 0,03 0,29
2013 Mei -0,94 0,27 0,6 -1,18 0 0,03 0,02 -0,19
2013 Juni 4,5 0,69 0,04 -0,34 -0,09 0,3 2,98 1,75
2013 Juli 1,81 1,01 0,54 0,86 0,31 0,39 6,77 1,8
2013 Agustus 2,1 2,29 0,16 2,48 0,09 1,01 0,63 1,04
2013 September -3,43 0,04 0,13 2,63 0,92 2,17 -0,05 -0,6
2013 Oktober 0,21 0,71 0,33 -0,97 -0,03 0 0,05 0,17
2013 November -0,64 0,05 0,37 -0,41 -0,01 -0,08 0,04 -0,13
2013 Desember 0,895 0,468 0,233 -0,06 0,169 0,368 0,956 0,5
2014 Januari 4,98 0,08 2 0,8 0,13 0,41 0,68 1,85
2014 Febuari -2,15 0,15 -0,21 0,44 0 0,33 0,04 -0,45
2014 Maret -3,43 0,4 0,26 0,41 0,1 0,86 0,1 -0,52
2014 April -1,82 0,01 0,15 -0,41 0,33 0,3 1,02 -0,15
2014 Mei 3,91 0 0,13 0,15 0,08 0,05 -0,01 0,86
2014 Juni 1,06 0,23 0,14 1,31 0,04 -0,02 0,02 0,4
2014 Juli 3,97 0,31 0,25 3 0,19 1,1 0,04 1,23
2014 Agustus -1,28 -0,01 0,43 -0,48 0,25 0 1,36 0,06
2014 September 0,84 0,3 0,81 -0,46 0,13 0 0,19 0,47
2014 Oktober 0,45 -0,02 0,85 -0,07 0,29 0 0,19 0,38
2014 November 1,76 0,03 0,61 0,5 0,1 0 4,15 1,28
2014 Desember 4,37 0,2 0,64 0,64 0,05 0 5,21 2,19
2015 Januari 2,15 0,74 1,28 1,18 0,08 0 -4,87 0,1
2015 Febuari -2.88 0,25 -0.15 0,08 2,18 0,93 -2.11 -0.90
2015 Maret -4.21 0,41 -0.09 -0.32 0,07 0 1,76 -0.61
2015 April -1,73 0,13 0,18 0,21 0,08 0,01 2 0,08
2015 Mei 2,19 0,21 -0,03 0,44 0,53 0,1 -0,19 0,51
2015 Juni 4,15 0,23 0,15 2,99 0,06 0,06 0,19 1,2
2015 Juli 2,17 0,33 0,05 0,04 0 0 0,33 0,61
2015 Agustus -3.08 0,29 -0.04 -0.94 0,1 3,89 1,68 -0.22
2015 September -1,14 0,05 0,19 1,81 0,18 0,19 -1,66 -0,36
2015 Oktober -0,32 0,3 0,04 -0,22 1 0 0,5 0,1
2015 November 0,97 0,42 0,24 -0,83 0,07 0,02 -0,37 0,23
2015 Desember 1,82 0,21 0,45 -0,19 0,18 0,07 -0,06 0,54
2016 Januari 3,84 0,25 -0,22 0,39 0,27 0,23 -1,39 0,61
2016 Febuari 0,04 0,32 -0,41 0,42 0,07 0,07 -0,31 0,02
2016 Maret -1,06 0,52 -0,27 1,09 0,13 0 -0,51 -0,26
2016 April -3,65 0,58 -0,11 0,55 0,03 0 -2,03 -1,09
2016 Mei 2,17 0,9 0,05 1,07 0,01 -0,09 0,12 0,73
2016 Juni 3,72 0,73 0,06 3,01 0,08 0,1 -0,41 1,1
2016 Juli 1,7 0,4 -0,02 0,71 0,25 0,63 1,09 0,73
2016 Agustus -2.51 0,4 0,32 -0,58 0,21 2,02 0,03 -0.35
2016 September 3,13 0,14 0,28 0,07 0,38 -0,02 -0,26 0,78
2016 Oktober -0,62 0,25 0,15 -0,75 0 0 0,56 -0,02
2016 November 0,38 0,7 -0,05 -0,07 0,18 0 -0,23 0,15
2016 Desember 2,13 0,36 0,13 -1,2 0,08 0 1,15 0,71
2017 Januari -0,29 0,14 0,61 0,57 0,1 0 0,63 0,28
2017 Febuari -0,52 0,03 0,8 0,53 0,06 0,01 0,31 0,19
2017 Maret -1,89 0,66 0,51 -0,07 0,68 -0,05 0,11 -0,15
2017 April -3,05 1,13 0,74 0,61 0,22 -0,02 0,89 -0,1
2017 Mei 1,75 0,69 0,25 -0,03 -0,01 -0,28 1,75 0,86
2017 Juni 2,47 0,02 0,62 4,1 0,21 0 -1,11 0,81
2017 Juli -0,53 0,42 0,56 -1,19 0 0,06 1,69 0,32
2017 Agustus 0,01 0,15 1,28 0,43 -0,01 1,89 -0,5 0,42
2017 September 1,3 0,02 0,98 0,58 0,03 0 0 0,62
2017 Oktober -0,07 1,66 -0,4 -0,18 0 -0,08 0,28 0,17
2017 November 0,89 0,02 0,2 -0,02 0 -0,02 0,24 0,3
2017 Desember 4,05 0,24 0,21 -0,04 0,15 0,03 0,27 1,06
2018 Januari -1,16 0,14 0,09 0,58 0,05 0,06 -0,91 -0,33
2018 Febuari -1,6 0,67 0,11 0,34 1,76 0,04 -0,42 -0,21
2018 Maret -1,35 0,61 0,22 0,36 -0,03 0 0,22 -0,08
2018 April -1,02 0,2 0,01 0,2 0 0,03 0,5 -0,1
2018 Mei 1,92 0,58 0,05 0,95 0,01 0,01 0,68 0,72
2018 Juni 2,89 0,16 0,03 0,05 0,26 0 0,82 0,84
2018 Juli -1.04 0,63 0,09 0,1 0,16 0,54 0,85 0,08
2018 Agustus 1,88 0,48 0,13 -0,4 0 2,56 -0,77 0,5
2018 September -3,42 0,39 0,1 0,3 0,62 0 -0,62 -0,75
2018 Oktober -0,22 0,06 0,46 0,41 0,46 0,12 1,02 0,32
2018 November 2,72 0,11 0,09 -0,06 0 -0,11 1,65 0,92
2018 Desember 0,11 0,25 0,02 -0,27 0,12 0,02 -0,24 0,02
2019 Januari 2,43 0,02 0,15 0,48 0 0 -1,12 0,43
2019 Febuari -4.54 0,65 0,55 0,17 0,27 0 1,36 -0.54
2019 Maret -1,99 0,09 -0,19 0,17 0,08 0 0,17 -0,44
2019 April 1,35 0,08 0,22 1,34 0,03 0,01 -0,6 0,36
2019 Mei 4,87 0,54 0,01 2,46 0,05 0,02 0,82 1,48
2019 Juni 1,38 0,05 0,26 -0,14 0 0 -0,08 0,38
2019 Juli -1,17 0,05 0,11 0,7 0,46 0,38 -0,51 -0,24
2019 Agustus 0,14 -0,01 0,24 1,36 0 0,45 -0,83 0,07
2019 September -2,64 0,08 0 0,62 0,07 0,02 0 -0,55
2019 Oktober -0.88 1,57 0,08 -0.17 0,07 -0,2 0 0,07
2019 November -0.48 -0.01 0,05 -0.12 0 0 0 -0.10
2019 Desember 0,54 0,31 0,13 0,79 0,09 0,06 -0,07 0,17
Lampiran 2 Regresi Linier Sedehana

Dependent Variable: Y
Method: Panel Least Squares
Date: 12/23/20 Time: 17:52
Sample: 2010 2019
Periods included: 10
Cross-sections included: 5
Total panel (balanced) observations: 50

Variable Coefficient Std. Error t-Statistic Prob.

C 0.009037 0.030672 0.294635 0.7698

X1 0.240732 0.005914 40.70338 0.0000
X2 0.137372 0.051668 2.658762 0.0111
X3 0.243025 0.048809 4.979137 0.0000
X4 0.070859 0.009796 7.233785 0.0000
X5 -0.074881 0.065576 -1.141893 0.2601
X6 0.063558 0.014205 4.474194 0.0001
X7 0.166876 0.012096 13.79644 0.0000
DUMMY 0.038948 0.035003 1.112713 0.2723

R-squared 0.985667 Mean dependent var 0.479520

Adjusted R-squared 0.982870 S.D. dependent var 0.656852
S.E. of regression 0.085971 Akaike info criterion -1.908074
Sum squared resid 0.303029 Schwarz criterion -1.563910
Log likelihood 56.70186 Hannan-Quinn criter. -1.777015
F-statistic 352.4291 Durbin-Watson stat 2.100973
Prob(F-statistic) 0.000000
 12
Series: Standardized Residuals
Sample 2010 2019
10
Observations 50

8 Mean -9.81e-17
Median -0.007076
Maximum 0.268318
6
Minimum -0.140145
Std. Dev. 0.079819
4 Skewness 0.677051
Kurtosis 4.311667
2
Jarque-Bera 7.404303
Probability 0.024670
0
-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20 0.25

Heteroskedasticity Test: ARCH

F-statistic 0.116219 Prob. F(1,115) 0.7338

Obs*R-squared 0.118120 Prob. Chi-Square(1) 0.7311

MULTIKOLINIERITAS
X1 X2 X3 X4 X5 X6 X7 D1
- - -
0.0913 0.1857 0.2755 0.3258 0.2264 0.0364 0.2106
X1 1 35 1 94 1 8 52 83
- - -
0.0913 0.0835 0.0876 0.2831 0.0015 0.4607 0.1732
X2 35 1 44 6 7 96 73 5
- - - -
0.1857 0.0835 0.1171 0.0558 0.0532 0.0424 0.1108
X3 1 44 1 1 9 29 31 3
- - - -
0.2755 0.0876 0.1171 0.0659 0.1244 0.1978 0.3376
X4 94 6 1 1 69 8 1 36
- - - -
0.3258 0.2831 0.0558 0.0659 0.0862 0.0598 0.2021
X5 1 7 9 69 1 17 7 9
- - - -
0.2264 0.0015 0.0532 0.1244 0.0862 0.0126 0.1734
X6 8 96 29 8 17 1 8 6
 - - -
0.0364 0.4607 0.0424 0.1978 0.0598 0.0126 0.0645
X7 52 73 31 1 7 8 1 3
- - - - -
0.2106 0.1732 0.1108 0.3376 0.2021 0.1734 0.0645
D1 83 5 3 36 9 6 3 1

AUTOKORELASI
Dependent Variable: Y
Method: Panel Least Squares
Date: 12/23/20 Time: 17:52
Sample: 2010 2019
Periods included: 10
Cross-sections included: 5
Total panel (balanced) observations: 50

Variable Coefficient Std. Error t-Statistic Prob.

C 0.009037 0.030672 0.294635 0.7698

X1 0.240732 0.005914 40.70338 0.0000
X2 0.137372 0.051668 2.658762 0.0111
X3 0.243025 0.048809 4.979137 0.0000
X4 0.070859 0.009796 7.233785 0.0000
X5 -0.074881 0.065576 -1.141893 0.2601
X6 0.063558 0.014205 4.474194 0.0001
X7 0.166876 0.012096 13.79644 0.0000
DUMMY 0.038948 0.035003 1.112713 0.2723

R-squared 0.985667 Mean dependent var 0.479520

Adjusted R-squared 0.982870 S.D. dependent var 0.656852
S.E. of regression 0.085971 Akaike info criterion -1.908074
Sum squared resid 0.303029 Schwarz criterion -1.563910
Log likelihood 56.70186 Hannan-Quinn criter. -1.777015
F-statistic 352.4291 Durbin-Watson stat 2.100973
Prob(F-statistic) 0.000000
Lampiran 3 Arima

Stationeritas Data
Null Hypothesis: INFLASI has a unit root
Exogenous: Constant
Lag Length: 3 (Automatic - based on SIC, maxlag=12)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -8.123274 0.0000

Test critical values: 1% level -3.487550
5% level -2.886509
10% level -2.580163

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(INFLASI)
Method: Least Squares
Date: 12/20/20 Time: 01:12
Sample (adjusted): 2010M05 2019M12
Included observations: 116 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

INFLASI(-1) -1.516281 0.186659 -8.123274 0.0000

D(INFLASI(-1)) 0.658621 0.143635 4.585368 0.0000
D(INFLASI(-2)) 0.413434 0.116913 3.536264 0.0006
D(INFLASI(-3)) 0.165055 0.092889 1.776909 0.0783
C 0.453298 0.080643 5.621073 0.0000

R-squared 0.506032 Mean dependent var 0.006284

Adjusted R-squared 0.488232 S.D. dependent var 0.876927
S.E. of regression 0.627336 Akaike info criterion 1.947477
Sum squared resid 43.68408 Schwarz criterion 2.066167
Log likelihood -107.9537 Hannan-Quinn criter. 1.995658
F-statistic 28.42776 Durbin-Watson stat 1.989524
Prob(F-statistic) 0.000000
Identifikasi Model ACF dan PACF
Estimasi Parameter
ARIMA(1,0,0)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:18
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 7 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.299555 0.082582 3.627381 0.0004

AR(1) 0.210553 0.089996 2.339582 0.0210
SIGMASQ 0.464591 0.054301 8.555833 0.0000

R-squared 0.043817 Mean dependent var 0.297017

Adjusted R-squared 0.027472 S.D. dependent var 0.699974
S.E. of regression 0.690292 Akaike info criterion 2.121657
Sum squared resid 55.75093 Schwarz criterion 2.191345
Log likelihood -124.2994 Hannan-Quinn criter. 2.149958
F-statistic 2.680777 Durbin-Watson stat 1.860974
Prob(F-statistic) 0.072718

Inverted AR Roots .21

ARIMA(1,0,1)
Dependent Variable: INFLASI
Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:18
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 34 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.299803 0.080825 3.709285 0.0003

AR(1) -0.111075 0.312991 -0.354881 0.7233
 MA(1) 0.383268 0.287226 1.334379 0.1847
SIGMASQ 0.452479 0.054981 8.229755 0.0000

R-squared 0.068746 Mean dependent var 0.297017

Adjusted R-squared 0.044662 S.D. dependent var 0.699974
S.E. of regression 0.684165 Akaike info criterion 2.112231
Sum squared resid 54.29744 Schwarz criterion 2.205148
Log likelihood -122.7339 Hannan-Quinn criter. 2.149965
F-statistic 2.854415 Durbin-Watson stat 2.005420
Prob(F-statistic) 0.040253

Inverted AR Roots -.11

Inverted MA Roots -.38

ARIMA(1,0,2)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:19
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 26 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298525 0.057295 5.210332 0.0000

AR(1) 0.176082 0.092771 1.898033 0.0602
MA(2) -0.276442 0.073475 -3.762384 0.0003
SIGMASQ 0.434977 0.053132 8.186709 0.0000

R-squared 0.104766 Mean dependent var 0.297017

Adjusted R-squared 0.081613 S.D. dependent var 0.699974
S.E. of regression 0.670803 Akaike info criterion 2.073526
Sum squared resid 52.19729 Schwarz criterion 2.166443
Log likelihood -120.4116 Hannan-Quinn criter. 2.111260
F-statistic 4.525010 Durbin-Watson stat 1.966905
Prob(F-statistic) 0.004875

Inverted AR Roots .18

Inverted MA Roots .53 -.53
ARIMA(1,0,3)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:19
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 22 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298852 0.059872 4.991556 0.0000

AR(1) 0.142048 0.089750 1.582698 0.1162
MA(3) -0.224404 0.113713 -1.973421 0.0508
SIGMASQ 0.432475 0.051754 8.356291 0.0000

R-squared 0.109915 Mean dependent var 0.297017

Adjusted R-squared 0.086896 S.D. dependent var 0.699974
S.E. of regression 0.668871 Akaike info criterion 2.067764
Sum squared resid 51.89703 Schwarz criterion 2.160681
Log likelihood -120.0659 Hannan-Quinn criter. 2.105498
F-statistic 4.774899 Durbin-Watson stat 1.912848
Prob(F-statistic) 0.003562

Inverted AR Roots .14

Inverted MA Roots .61 -.30+.53i -.30-.53i

ARIMA(1,0,4)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:20
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 20 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.301668 0.053213 5.669107 0.0000

 AR(1) 0.152674 0.093654 1.630191 0.1058
MA(4) -0.301231 0.079204 -3.803228 0.0002
SIGMASQ 0.436969 0.056194 7.776036 0.0000

R-squared 0.100668 Mean dependent var 0.297017

Adjusted R-squared 0.077409 S.D. dependent var 0.699974
S.E. of regression 0.672337 Akaike info criterion 2.080014
Sum squared resid 52.43623 Schwarz criterion 2.172931
Log likelihood -120.8009 Hannan-Quinn criter. 2.117748
F-statistic 4.328195 Durbin-Watson stat 1.921315
Prob(F-statistic) 0.006246

Inverted AR Roots .15

Inverted MA Roots .74 -.00+.74i -.00-.74i -.74

ARIMA(2,0,0)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:21
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 10 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.296196 0.052388 5.653862 0.0000

AR(2) -0.231152 0.077227 -2.993159 0.0034
SIGMASQ 0.459879 0.055253 8.323184 0.0000

R-squared 0.053515 Mean dependent var 0.297017

Adjusted R-squared 0.037336 S.D. dependent var 0.699974
S.E. of regression 0.686783 Akaike info criterion 2.112000
Sum squared resid 55.18548 Schwarz criterion 2.181688
Log likelihood -123.7200 Hannan-Quinn criter. 2.140301
F-statistic 3.307657 Durbin-Watson stat 1.594613
Prob(F-statistic) 0.040054

Inverted AR Roots -.00+.48i -.00-.48i

ARIMA(2,0,1)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:21
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 21 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298123 0.065202 4.572279 0.0000

AR(2) -0.183165 0.079386 -2.307255 0.0228
MA(1) 0.210390 0.095185 2.210327 0.0290
SIGMASQ 0.441091 0.053300 8.275619 0.0000

R-squared 0.092183 Mean dependent var 0.297017

Adjusted R-squared 0.068705 S.D. dependent var 0.699974
S.E. of regression 0.675501 Akaike info criterion 2.087121
Sum squared resid 52.93093 Schwarz criterion 2.180037
Log likelihood -121.2272 Hannan-Quinn criter. 2.124854
F-statistic 3.926353 Durbin-Watson stat 1.973720
Prob(F-statistic) 0.010369

Inverted AR Roots -.00+.43i -.00-.43i

Inverted MA Roots -.21

ARIMA(2,0,2)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:21
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 21 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298057 0.045385 6.567343 0.0000

AR(2) 0.108245 0.300560 0.360146 0.7194
 MA(2) -0.401167 0.268046 -1.496633 0.1372
SIGMASQ 0.447246 0.055400 8.073012 0.0000

R-squared 0.079516 Mean dependent var 0.297017

Adjusted R-squared 0.055711 S.D. dependent var 0.699974
S.E. of regression 0.680197 Akaike info criterion 2.101538
Sum squared resid 53.66949 Schwarz criterion 2.194454
Log likelihood -122.0923 Hannan-Quinn criter. 2.139271
F-statistic 3.340226 Durbin-Watson stat 1.649356
Prob(F-statistic) 0.021765

Inverted AR Roots .33 -.33

Inverted MA Roots .63 -.63

ARIMA(2,0,3)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:22
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 43 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298070 0.040136 7.426586 0.0000

AR(2) -0.204149 0.083055 -2.457993 0.0154
MA(3) -0.246614 0.106416 -2.317447 0.0222
SIGMASQ 0.422134 0.050781 8.312794 0.0000

R-squared 0.131200 Mean dependent var 0.297017

Adjusted R-squared 0.108731 S.D. dependent var 0.699974
S.E. of regression 0.660825 Akaike info criterion 2.044397
Sum squared resid 50.65602 Schwarz criterion 2.137313
Log likelihood -118.6638 Hannan-Quinn criter. 2.082131
F-statistic 5.839162 Durbin-Watson stat 1.666194
Prob(F-statistic) 0.000946

Inverted AR Roots -.00+.45i -.00-.45i

Inverted MA Roots .63 -.31+.54i -.31-.54i
ARIMA(2,0,4)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:24
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 15 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.300266 0.038190 7.862408 0.0000

AR(2) -0.201265 0.086078 -2.338161 0.0211
MA(4) -0.306959 0.083428 -3.679344 0.0004
SIGMASQ 0.429335 0.054428 7.888101 0.0000

R-squared 0.116377 Mean dependent var 0.297017

Adjusted R-squared 0.093525 S.D. dependent var 0.699974
S.E. of regression 0.666438 Akaike info criterion 2.062598
Sum squared resid 51.52026 Schwarz criterion 2.155514
Log likelihood -119.7559 Hannan-Quinn criter. 2.100332
F-statistic 5.092592 Durbin-Watson stat 1.721256
Prob(F-statistic) 0.002393

Inverted AR Roots -.00+.45i -.00-.45i

Inverted MA Roots .74 -.00+.74i -.00-.74i -.74

ARIMA(3,0,0)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:25
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 15 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.297398 0.044489 6.684718 0.0000

AR(3) -0.378901 0.104521 -3.625105 0.0004
 SIGMASQ 0.415171 0.052952 7.840570 0.0000

R-squared 0.145530 Mean dependent var 0.297017

Adjusted R-squared 0.130924 S.D. dependent var 0.699974
S.E. of regression 0.652546 Akaike info criterion 2.012686
Sum squared resid 49.82050 Schwarz criterion 2.082374
Log likelihood -117.7612 Hannan-Quinn criter. 2.040987
F-statistic 9.963497 Durbin-Watson stat 1.804241
Prob(F-statistic) 0.000101

Inverted AR Roots .36+.63i .36-.63i -.72

ARIMA(3,0,1)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:26
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 35 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298148 0.055172 5.404001 0.0000

AR(3) -0.327701 0.116731 -2.807306 0.0059
MA(1) 0.173063 0.090836 1.905231 0.0592
SIGMASQ 0.409563 0.051448 7.960689 0.0000

R-squared 0.157071 Mean dependent var 0.297017

Adjusted R-squared 0.135271 S.D. dependent var 0.699974
S.E. of regression 0.650912 Akaike info criterion 2.014945
Sum squared resid 49.14759 Schwarz criterion 2.107861
Log likelihood -116.8967 Hannan-Quinn criter. 2.052679
F-statistic 7.205134 Durbin-Watson stat 2.050167
Prob(F-statistic) 0.000178

Inverted AR Roots .34+.60i .34-.60i -.69

Inverted MA Roots -.17
ARIMA(3,0,2)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:26
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 19 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.298260 0.036986 8.064071 0.0000

AR(3) -0.337291 0.109400 -3.083090 0.0026
MA(2) -0.212967 0.079123 -2.691585 0.0082
SIGMASQ 0.400520 0.048872 8.195309 0.0000

R-squared 0.175684 Mean dependent var 0.297017

Adjusted R-squared 0.154366 S.D. dependent var 0.699974
S.E. of regression 0.643685 Akaike info criterion 1.993326
Sum squared resid 48.06234 Schwarz criterion 2.086242
Log likelihood -115.5995 Hannan-Quinn criter. 2.031059
F-statistic 8.240914 Durbin-Watson stat 1.692160
Prob(F-statistic) 0.000051

Inverted AR Roots .35+.60i .35-.60i -.70

Inverted MA Roots .46 -.46

ARIMA(3,0,3)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:27
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 25 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.294362 0.051061 5.764886 0.0000

AR(3) -0.983145 0.018376 -53.50197 0.0000
 MA(3) 0.860518 0.077455 11.10984 0.0000
SIGMASQ 0.337310 0.043494 7.755311 0.0000

R-squared 0.305776 Mean dependent var 0.297017

Adjusted R-squared 0.287822 S.D. dependent var 0.699974
S.E. of regression 0.590713 Akaike info criterion 1.842931
Sum squared resid 40.47721 Schwarz criterion 1.935848
Log likelihood -106.5759 Hannan-Quinn criter. 1.880665
F-statistic 17.03105 Durbin-Watson stat 1.869380
Prob(F-statistic) 0.000000

Inverted AR Roots .50+.86i .50-.86i -.99

Inverted MA Roots .48+.82i .48-.82i -.95

ARIMA(3,0,4)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:27
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 20 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.299771 0.037138 8.071819 0.0000

AR(3) -0.326331 0.108155 -3.017253 0.0031
MA(4) -0.200497 0.093711 -2.139529 0.0345
SIGMASQ 0.405451 0.052126 7.778323 0.0000

R-squared 0.165536 Mean dependent var 0.297017

Adjusted R-squared 0.143955 S.D. dependent var 0.699974
S.E. of regression 0.647635 Akaike info criterion 2.005968
Sum squared resid 48.65406 Schwarz criterion 2.098885
Log likelihood -116.3581 Hannan-Quinn criter. 2.043702
F-statistic 7.670438 Durbin-Watson stat 1.765695
Prob(F-statistic) 0.000101

Inverted AR Roots .34+.60i .34-.60i -.69

Inverted MA Roots .67 -.00+.67i -.00-.67i -.67
ARIMA(4,0,0)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:28
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 5 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.299797 0.052678 5.691126 0.0000

AR(4) -0.214431 0.088938 -2.411007 0.0175
SIGMASQ 0.463427 0.058486 7.923738 0.0000

R-squared 0.046214 Mean dependent var 0.297017

Adjusted R-squared 0.029910 S.D. dependent var 0.699974
S.E. of regression 0.689427 Akaike info criterion 2.120339
Sum squared resid 55.61119 Schwarz criterion 2.190026
Log likelihood -124.2203 Hannan-Quinn criter. 2.148639
F-statistic 2.834509 Durbin-Watson stat 1.638168
Prob(F-statistic) 0.062789

Inverted AR Roots .48-.48i .48+.48i -.48+.48i -.48+.48i

ARIMA(4,0,1)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:28
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 11 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.301341 0.067386 4.471837 0.0000

AR(4) -0.164368 0.094217 -1.744574 0.0837
MA(1) 0.248412 0.097383 2.550867 0.0120
SIGMASQ 0.441964 0.054442 8.118113 0.0000
R-squared 0.090386 Mean dependent var 0.297017
Adjusted R-squared 0.066862 S.D. dependent var 0.699974
S.E. of regression 0.676169 Akaike info criterion 2.089472
Sum squared resid 53.03571 Schwarz criterion 2.182388
Log likelihood -121.3683 Hannan-Quinn criter. 2.127205
F-statistic 3.842208 Durbin-Watson stat 2.025083
Prob(F-statistic) 0.011532

Inverted AR Roots .45-.45i .45+.45i -.45+.45i -.45+.45i

Inverted MA Roots -.25

ARIMA(4,0,2)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:28
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 15 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.299251 0.043571 6.868162 0.0000

AR(4) -0.159171 0.097002 -1.640908 0.1035
MA(2) -0.240868 0.080329 -2.998529 0.0033
SIGMASQ 0.438827 0.054529 8.047555 0.0000

R-squared 0.096842 Mean dependent var 0.297017

Adjusted R-squared 0.073485 S.D. dependent var 0.699974
S.E. of regression 0.673765 Akaike info criterion 2.083052
Sum squared resid 52.65926 Schwarz criterion 2.175968
Log likelihood -120.9831 Hannan-Quinn criter. 2.120786
F-statistic 4.146092 Durbin-Watson stat 1.682934
Prob(F-statistic) 0.007857

Inverted AR Roots .45+.45i .45+.45i -.45-.45i -.45-.45i

Inverted MA Roots .49 -.49
ARIMA(4,0,3)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:29
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 26 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.299962 0.041678 7.197062 0.0000

AR(4) -0.164478 0.097669 -1.684039 0.0949
MA(3) -0.235398 0.107089 -2.198148 0.0299
SIGMASQ 0.428807 0.054083 7.928701 0.0000

R-squared 0.117466 Mean dependent var 0.297017

Adjusted R-squared 0.094642 S.D. dependent var 0.699974
S.E. of regression 0.666028 Akaike info criterion 2.060134
Sum squared resid 51.45678 Schwarz criterion 2.153050
Log likelihood -119.6080 Hannan-Quinn criter. 2.097868
F-statistic 5.146573 Durbin-Watson stat 1.714946
Prob(F-statistic) 0.002237

Inverted AR Roots .45+.45i .45+.45i -.45-.45i -.45+.45i

Inverted MA Roots .62 -.31+.53i -.31-.53i

ARIMA(4,0,4)

Dependent Variable: INFLASI

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/20 Time: 01:29
Sample: 2010M01 2019M12
Included observations: 120
Convergence achieved after 29 iterations
Coefficient covariance computed using outer product of gradients

Variable Coefficient Std. Error t-Statistic Prob.

C 0.300992 0.034750 8.661563 0.0000

 AR(4) 0.378814 0.202435 1.871283 0.0638
MA(4) -0.676846 0.171510 -3.946397 0.0001
SIGMASQ 0.439319 0.057973 7.578019 0.0000

R-squared 0.095830 Mean dependent var 0.297017

Adjusted R-squared 0.072446 S.D. dependent var 0.699974
S.E. of regression 0.674142 Akaike info criterion 2.087852
Sum squared resid 52.71830 Schwarz criterion 2.180768
Log likelihood -121.2711 Hannan-Quinn criter. 2.125585
F-statistic 4.098149 Durbin-Watson stat 1.676414
Prob(F-statistic) 0.008347

Inverted AR Roots .78 -.00+.78i -.00-.78i -.78

Inverted MA Roots .91 -.00+.91i -.00-.91i -.91

MODEL TERBAIK
3
Forecast: STAT
Actual: INFLASI
2 Forecast sample: 2010M01 2023M12
Adjusted sample: 2010M04 2020M03
Included observations: 117
1 Root Mean Squared Error 0.584996
Mean Absolute Error 0.453326
Mean Abs. Percent Error 206.2218
0
Theil Inequality Coefficient 0.465100
Bias Proportion 0.000035
-1 Variance Proportion 0.238190
Covariance Proportion 0.761775

-2
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019

STAT ± 2 S.E.
HASIL PERAMALAN
3

-1

-2
10 11 12 13 14 15 16 17 18 19 20 21 22 23

INFLASI DIN