Peramalan Laju Inflasi Di Indonesia Menggunakan Metode Fuzzy Time Series Saxena-Easo
DOI:
https://doi.org/10.14421/fourier.2024.132.94-110Keywords:
Fuzzy Time Series, Saxena-Easo, Inflasi, MAPE , RMSEAbstract
Inflasi adalah fenomena dimana harga barang dan jasa umumnya naik. Inflasi yang stabil sangat penting untuk menjaga pertumbuhan ekonomi agar dapat meningkatkan kesejahteraan masyarakat. Inflasi tidak hanya merupakan fenomena jangka pendek, tetapi juga merupakan fenomena jangka Panjang. Untuk itu, perlu adanya antisipasi dan tindakan untuk mencegah inflasi agar tidak melambung tinggi dan terlalu rendah. Salah satu caranya dengan melakukan peramalan. Fuzzy time series (FTS) salah satu metode yang digunakan dalam peramalan. Fuzzy time series Saxena-Easo memperbaiki metode yang diperkenalkan oleh Stevenson dan Porter dengan melakukan modifikasi pada pembentukan subinterval kelas himpunan fuzzy, yang didasarkan pada jumlah anggota di setiap interval kelas. Data yang digunakan yaitu data laju inflasi di Indonesia bulan Januari 2013 hingga April 2024. Hasil penerapan metode fuzzy time series Saxena-Easo mampu meramalkan laju inflasi sangat baik. Karena menghasilkan kesalahan peramalan berdasarkan MAPE sebesar 1,029%, dan nilai RMSE yang diperoleh adalah 0,1016. Nilai peramalan satu periode kedepan pada bulan Juli 2024 sebesar 2,54%.
Downloads
References
E. F. B. Simanungkalit, “Pengaruh Inflasi Terhadap Pertumbuhan Ekonomi Di Indonesia,” J. Keuang. Negara dan Kebijak. Publik, vol. 3, no. 3, 2023, doi: 10.35508/jom.v13i3.3311.
Bank Indonesia, “Definisi Inflasi,” Bank Indonesia. Accessed: Aug. 03, 2013. [Online]. Available: https://www.bi.go.id/id/fungsi-utama/moneter/inflasi/default.aspx
Christianingrum, R. dan Syafri, R.A., 2019. Faktor-Faktor Yang Memengaruhi Inflasi Inti Di Indonesia. Jurnal Budget: Isu dan Masalah Keuangan Negara, 4(2), pp.18-39.
Y. P. Putra, “Analisis Pengaruh Beras, Produksi Beras dan PDRB terhadap Inflasi Di Indonesia Tahun 2010 – 2015,” J. Ilm. Mhs. FEB Univ. Brawijaya, vol. 5, no. 2, pp. 1–24, 2017.
E. K. Y. Deni Friawan, “Pandemi Covid-19 dan Ancaman Inflasi di Indonesia?,” CSIS Comment. DMRU-103-ID 07, vol. 1, pp. 1–11, 2021.
Airlangga, “Inflasi Tahunan Konsisten Membaik dan Kembali ke Rentang Sasaran, PMI Manufaktur Indonesia Konsisten Ekspansi 22 Bulan Berturut-turut.” Accessed: Aug. 03, 2023. [Online]. Available: https://www.ekon.go.id/publikasi/detail/5231/inflasi-tahunan-konsisten-membaik-dan-kembali-ke-rentang-sasaran-pmi-manufaktur-indonesia-konsisten-ekspansi-22-bulan-berturut-turut
R. Mulyani, “Inflasi dan Cara Mengatasinya dalam Islam”, Lisyabab J. Stud. Islam dan Sos., vol. 1, no. 2, pp. 267–278, 2020, doi: 10.58326/jurnallisyabab.v1i2.47.
Nindian Puspa Dewi, “Implementasi Holt-Winters Exponential Smoothing untuk Peramalan Harga Bahan Pangan di Kabupaten Pamekasan,” Digit. Zo. J. Teknol. Inf. dan Komun., vol. 11, no. 2, pp. 223–236, 2020, doi: 10.31849/digitalzone.v11i2.4797.
N. Rukhansah, M. A. Muslim, and R. Arifudin, “Fuzzy Time Series Markov Chain Dalam Meramalkan Harga Saham,” Semin. Nas. Ilmu Komput., pp. 309–321, 2015.
Fireza, A.F. and Ahmad, D., 2023. Implementasi Fuzzy Time Series Logika Lee untuk Peramalan Inflasi di Indonesia. Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, 4(2), pp.1083-1092. Haris, M Syauqi. 2010. 16 Universitas Brawijaya “Implementasi Metode Fuzzy time seriesdengan Penentuan Interval Berbasis Rata-rata untuk Peramalan Data Penjualan Bulanan.” Universitas Brawija. [11] R. F. Hasbiollah, M & Hakim, “Peramalan konsumsi gas indonesia menggunakan algoritma,” Pros. Semin. Nas. Mat. dan Pendidik. Mat. UMS, no. 2009, pp. 508–518, 2015.
K. Tanuwijaya and S. M. Chen, “A new method to forecast enrollments using fuzzy time series and clustering techniques,” Int. J. Appl. Sci. Eng., vol. 2, no. 3, pp. 234–244, 2004, doi: 10.1109/ICMLC.2009.5212604.
H. Feng, H. Wang, J. Guo, and F. Zhang, “A Modified Method of Forecasting Enrollments Based on Fuzzy Time Series,” Int. Conf. Soft Comput. Inf. Commun. Technol., vol. 71, no. SCICT, 2014, doi: 10.2991/scict-14.2014.42.
Witono, “Perbandingan Model Saxena Easo dan Model Chen Hsu pada Fuzzy Time Series untuk Prediksi Harga Emas Comparison of Saxena Easo and Chen Hsu Models in the Fuzzy Time Series for Gold Price Prediction,” J. Sist. dan Teknol. Inf., vol. 10, no. 4, 2022, doi: 10.26418/justin.v10i4.48115.
S. Ardella, I. Purnamasari, and F. Deny Tisna Amijaya, “Penerapan Metode Fuzzy Time Series Saxena Easo Pada Data Runtun Waktu,” Semin. Nas. Stat. X, 2021, [Online]. Available: https://kaltim.bps.go.id.
Boediono, 1985, Teori Pertumbuhan Ekonomi, BPFE, Yogyakarta.
Yuniastari, N. L., & Wirawan, I. (2014). Peramalan Permintaan Produk Perak Menggunakan Metode Simple MovingAverage Dan Exponential Smoothing. JURNAL SISTEM DAN INFORMATIKA, 9(1), 97-106
Wooldridge, J. M. (2013). Introductory Econometrics: A Modern Approach. South_Western. https://doi.org/10.1201/9781315215402-43
Makridakis, Nick M. et al. 1999. “Association of mis-sense substitution in SRD5A2 gene with prostate cancer in African-American and Hispanic men in Los Angeles, USA.” Lancet 354(9183): 975–78.
Setiaji. Agung. 2014. “Aplikasi Model Wavelet-Neuro-Fuzzy Untuk Memperamalan Nilai Tukar Euro.” Universitas Negeri Yogyakarta.
Ramadhani, L. C., Anggraeni, D., & Kamsyakawuni, A. (2019). Fuzzy Time Series Saxena-Easo Pada Peramalan Laju Inflasi Indonesia. J. Ilmu Dasar, 20(1), 53-60.
Fitra, M., dan Hakim, R.B.F. 2015. “Fuzzy Time Series Stevenson Porter Dalam Meramalkan Konsumsi Batubara Di Indonesia.” Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS: 873–82.
Lewis, C.D. (1982). Industrial and business forecasting methods. London: Butterworths
Acharya, Shwetha. 2021. “What are RMSE and MAE.” Towards Data Science.
Gera, Iris. 2014. “BPS: Inflasi, Kemiskinan Meningkat Pada 2013.” https://www.voaindonesia.com/a/bps-inflasi-kemiskinan-meningkat-pada-2013/1822602.html (July 15, 2024).
Invesment, Indonesia. 2020. “Hubungan Antara Puncak-Puncak Inflasi Dan Penyesuaian Harga-Harga Yang Ditetapkan Pemerintah.” https://www.indonesia-investments.com/id/keuangan/angka-ekonomi-makro/inflasi-di-indonesia/item254 (July 15, 2024).
Badan Pusat Statistik. 2020. “Desember 2019 Inflasi Sebesar 0,34 Persen. Inflasi Tertinggi Terjadi Di Batam Sebesar 1,28 Persen.” https://www.bps.go.id/id/pressrelease/2020/01/02/1649/desember-2019-inflasi-sebesar-0-34-persen--inflasi-tertinggi-terjadi-di-batam-sebesar-1-28-persen-.html (July 15, 2024).
S, Lidya Julita. 2021. “BPS: Inflasi 2020 Terendah Sepanjang Sejarah RI.” https://www.cnbcindonesia.com/news/20210104125752-4-213302/bps-inflasi-2020-terendah-sepanjang-sejarah-ri (July 15, 2024).
Ahdiat, Adi. 2023. “Inflasi Indonesia Makin Landai Pada Juli 2023, Terendah Sejak Awal Tahun.” https://databoks.katadata.co.id/datapublish/2023/08/02/inflasi-indonesia-makin-landai-pada-juli-2023-terendah-sejak-awal-tahun (July 15, 2024).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 indah fitriyani, M. Al Haris, Prizka Rismawati Arum
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
