Text
Model Smooth Transition Autoregressive (STAR) untuk meramalkan inflasi Indonesia
ABSTRAK
EZANIA CHOIRUNNISA, 3125130811. Model Smooth Transi-
tion Autoregressive (STAR) untuk Meramalkan In
asi Indonesia.
Skripsi. Fakultas Matematika dan Ilmu Pengetahuan Alam, Univer-
sitas Negeri Jakarta. 2019.
Peramalan merupakan suatu kegiatan yang dilakukan untuk memprediksi
kejadian yang akan datang. Metode peramalan yang paling sering digunakan
adalah metode analisis runtun waktu (time series analysis). Runtun waktu
dapat ditemui di berbagai bidang termasuk di bidang ekonomi dan bisnis.
Metode yang biasa digunakan untuk meramalkan data runtun waktu adalah
metode Box-Jenkins yang menghasilkan model-model linier, salah satunya mo-
del Autoregressive (AR(p)). Akan tetapi, tidak semua runtun waktu nansial
adalah linier, misalnya data in
asi yang memiliki lonjakan yang tidak stabil
yang mengindikasikan gejala nonlinieritas. Permasalahan ini dapat diselesa-
ikan dengan menggunakan model runtun waktu nonlinier. Salah satu model
runtun waktu nonlinier yang dapat digunakan yaitu model Smooth Transition
Autoregressive (STAR) (p; d) yang memiliki dua alternatif fungsi transisi yaitu
Logistic STAR dan Exponential STAR. Pada penulisan ini dilakukan uji lini-
eritas Lagrange Multiplier terhadap data dan diperoleh model ESTAR (2,2)
untuk data in
asi Indonesia periode Januari 2007 hingga Januari 2019 dengan
nilai Mean Square Error (MSE) 0,182 dan residu yang dihasilkan memenuhi
asumsi white noise dan normalitas. Hasil peramalan in
asi Indonesia untuk
Februari 2019 adalah sebesar 0,25.
Kata kunci : peramalan, analisis runtun waktu, Autoregressive, nonlinier,
STAR.
Tidak tersedia versi lain