PEMODELAN MARKOV SWITCHING AUTOREGRESSIVE (MSAR) PADA INFLASI DKI JAKARTA
Abstract
Inflasi merupakan salah satu indikator penting dalam menganalisis
perekonomian sebuah negara. Tingkat inflasi dapat dikendalikan dengan menetapkan target inflasi, namun pada kenyataannya volatilitas di dalam sektor finansial sangat sensitif terhadap perubahan-perubahan, sehingga diperlukan metode yang sesuai dalam menganalisisnya. Pemodelan yang dapat menjelaskan perubahan-perubahan tersebut salah satunya yaitu Model Markov Switching Autoregressive (MSAR). Oleh karena itu, pada penelitian ini dalam menentukan model terbaik untuk data inflasi DKI Jakarta, menentukan besar peluang perpindahan dan bertahannya suatu state, serta besarnya dugaan durasi masing-masing state menggunakan metode MSAR. Pada inflasi DKI Jakarta dimisalkan terjadi 2 state (peningkatan dan penurunan) dan 3 state (peningkatan, stabil, dan penurunan). Diperoleh bahwa model terbaik yaitu MS(2)AR(1) dengan peluang bertahan pada state peningkatan adalah 0,729880, peluang transisi peningkatan ke penurunan adalah 0,270120, sedangkan peluang bertahan pada state penurunan adalah 0,732562, peluang transisi penurunan ke peningkatan adalah 0,267438. Dugaan durasi yang diperoleh pada peningkatan 3,702058 bulan dan durasi pada penurunan 3,200829 bulan.
Keywords
Full Text:
PDFReferences
Ariyani, F. D., B. Warsito, dan H. Yasin. 2014. Pemodelan Markov Switching Autoregressive. Jurnal Gaussian. 3(3):381-390
BPS Provinsi DKI Jakarta. 2022. Inflasi https://jakarta.bps.go.id.
Cheng, J. 2016. A transitional Markov switching autoregressive model. Communications in Statistics - Theory and Methods. 45(10):2785-2800
Devianto, D., Maiyastri, and S. Damayanti. 2015. Forecasting Long Memory Time Series for Stock Price with Autoregressive Fractionally Integrated Moving Average. International Journal of Applied Mathematics and Statistics. 53(5)
Devianto, D., Maiyastri, U. A. Wisza, M. Wara, P. Permathasari and R. O. Marlina Zen. 2018. Time Series of Rainfall Model with Markov Switching Autoregressive. International Conference on Applied Information Technology and Innovation (ICAITI). 202-207
Masyhuri, A.K. 2008. Penerapan Kebijakan Moneter dalam Kerangka Inflation Targeting di Indonesia. Pusat Pendidikan dan Studi Kebanksentralan Bank Indonesia, Jakarta
Mamuroh, Sudarno, dan H. Yasin. 2014. Identikasi Breakpoint dan Pemodelan Autoregressive Structural Change Pada Data Runtun Waktu. Jurnal Gaussian. 3(1):91-100
Paparoditis, E., and Politis, D. N. 2016. The Asymptotic Size and Power of The Augmented DickeyFuller Test For a Unit Root. Econometric Reviews. 37(9):955-973
Vlez, J. I., Correa, J. C., and Marmolejo-Ramos, F. 2015. A New Approach to The BoxCox Transformation. Frontiers in Applied Mathematics and Statistics. 1.
Wizsa, U. A., D. Devianto, dan Maiyastri. 2016. Model Laju Perubahan Nilai Tukar Rupiah (IDR) Terhadap Poundsterling (GBP) dengan Metode Markov Switching Autoregressive (MSAR). Jurnal Matematika UNAND. 5(3):56-54
DOI: https://doi.org/10.25077/jmua.12.1.35-45.2023
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Jurnal Matematika UNAND
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.