pemodelan inflasi di kota semarang, yogyakarta, dan surakarta dengan...
TRANSCRIPT
PEMODELAN INFLASI DI KOTA SEMARANG, YOGYAKARTA, DAN SURAKARTA DENGAN
PENDEKATAN GSTAR
Oleh : Laily Awliatul Faizah (1311105017)
Dosen Pembimbing :Dr. Ir. Setiawan, MS.
Jurusan StatistikaFakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh November 2013
Seminar Hasil Tugas Akhir
PENDAHULUAN
PENDAHULUAN
Stabilitas PerekonomianNegara Terganggu
Volume Uang
BeredarPermintaan
barang > Persediaan
barang
XGSTAR
Diperkenalkan oleh Pfeifer dan Deutsch (1980a & 1980b)Diterapkan oleh :Kamarianakis dan Prastacos (2005) dalam penelitiannyamengenai transportasi, Giacomini dan Granger (2004) dalam hal perekonomian, Kyryakidis dan Journel (1999) pada penelitian dengandata geostatistik.
STAR
GSTAR
Ruchjana (2002)
Penelitian sebelumnya :Nelson (2010) Inflasi di Jawa Barat
yang meliputi kota Bandung, Tasikmalaya, dan Cirebon.
GSTAR
SEMARANG
YOGYAKARTA
SURAKARTA
StatistikaDeskriptif
PemodelanGSTAR
Rumusan Masalah
Tujuan
Memberikan alternatif pemodelan untuk inflasidi Semarang, Yogyakarta, dan Surakarta untukmemprediksi laju inflasi pada tahun berikutnya, sehingga Pemerintah dapat mengambilkebijakan yang efektif dan efisien demikemajuan dan kemakmuran perekonomian diwilayah tersebut.
Manfaat
Batasan Penelitian
2000-2012
Mendapatkan Model inflasi di Semarang, Yogyakarta, dan Surakarta menggunakan metode GSTAR dengan tiga bobot, yaitu bobot
seragam, invers jarak, dan normalisasi korelasi silang.
TINJAUAN PUSTAKA
TINJAUAN PUSTAKA
Multivariate Time Series
Analisis dengan menggunakan banyak variabel. Analisis multivariate time series pada umumnya digunakan untuk memodelkan
dan menjelaskan interaksi serta pergerakan di antara sejumlah variabel time series.
Stationeritas Data
MACF
MPACF
Matrix Autocorrelation Function (MACF)
Persamaan matriks korelasi sampel :
Korelasi silang sampel untuk komponen series ke-i dan ke-j yang dinyatakan dalampersamaan berikut.
(Wei, 1994)Matrix Partial Autocorrelation Function (MPACF)
Persamaan matriks :
Untuk s ≥ 2, maka nilaiA(s), b(s), dan c(s) :
Model GSTAR
.)()()(
)1()1()1(
00
0
000000
)1()1()1(
000000
)()()(
3
2
1
3
2
1
3231
2321
1312
31
21
11
3
2
1
30
20
10
3
2
1
+
−−−
+
−−−
=
tetete
tZtZtZ
wwwwww
tZtZtZ
tZtZtZ
φφ
φ
φφ
φ
(Wutsqa dan Suhartono, 2010)
Persamaan model GSTAR untuk orde waktu dan orde spasial 1 dengan menggunakan 3 lokasi yang berbeda :
Model GSTAR dalam notasi matriks dapat ditulis sebagai berikut :
Bentuk Matrik persamaan model GSTAR untuk orde waktu dan orde spasial 1 denganmenggunakan 3 lokasi yang berbeda :
Pemilihan Bobot LokasiPada Model GSTAR
=
00
0
21
21
21
21
21
21
ijwMatrik Pembobot :
Penentuan nilai bobot :
Bobot Seragam
Perhitungan Bobot
=
00
0
31
32
53
52
43
41
ijw
Matrik Pembobot :
Bobot Invers jarak
Pemilihan Bobot Lokasi Pada Model GSTAR
Bobot Normalisasi Korelasi Silang
Pembobotan ini menggunakan hasil normalisasi korelasi silang antar lokasi padalag yang bersesuaian. Secara umum korelasi silang antara lokasi ke-i dan ke-j padalag waktu ke-k,
Taksiran dari korelasi silang ini pada sampel :
Penentuan bobot lokasi dapat dilakukan melalui normalisasi dari hasil besaran-besaran korelasi silang antar lokasi pada waktu yang bersesuaian. Proses ini secaraumum menghasilkan Bobot lokasi untuk model GSTAR (11) :
Penaksiran Parameter Pada Model GSTAR
Penaksiran parameter pada model GSTAR dapat dilakukan dengan metode least square, yaitu dengan meminimumkan jumlah kuadrat simpangannya .
(Borovkova dkk., 2008)
Bentuk Linier :Model GSTAR(11) jugadapat dinyatakan dalammatriks sebagai berikut.
Struktur data untuk estimasi parameter model GSTAR(11) di 3 lokasi dijabarkandalam bentuk matrik sebagai berikut.
Penaksir least square :
INFLASI
Inflasi merupakan kecenderungan harga barang secara umum untuk terusmeningkat. Penyebab Inflasi :>> tarikan permintaan konsumen>> desakan biaya produksi>> inflasi barang-barang impor>> serta ekspektasi pelaku ekonomi
(Sukirno, 2008)
Teori Inflasi
Teori Kuantitas
Teori Keynes
Teori Strukturalis(Boediono, 1985)
METODOLOGI
METODOLOGI
Sumber Data
2000 - 2012
Variabel Penelitian
Y1(t) Y2(t)
Y3(t)
Lokasi ketiga Kota
Diagram Analisis
ANALISIS DAN PEMBAHASAN
STATISTIKA DESKRIPTIF
Lokasi Mean StDev Min MaksSemarang 0.683 0.9303 -1.07 8.35Yogyakarta 0.687 0.7222 -0.45 6.53Surakarta 0.551 0.9655 -1.53 8.08
Maksimal nilai inflasi terjadi pada bulan Oktober 2005 yang disebabkan oleh kenaikanHarga BBM.
Index
Dat
a
140126112988470564228141
7.5
5.0
2.5
0.0
Variable
SURAKARTA
SEMARANGYOGYAKARTA
Time Series Plot of SEMARANG, YOGYAKARTA, SURAKARTA
Year
Dat
a
201120102009200820072006200520042003200220012000
18
16
14
12
10
8
6
4
2
0
Variable
SURAKARTA
SEMARANGYOGYAKARTA
Time Series Plot of SEMARANG, YOGYAKARTA, SURAKARTA
Kecenderungan inflasiyang saling
mempengaruhi jugadapat dilihat dari nilai
korelasi antar kota yang cukup tinggi
PEMODELAN GSTARIdentifikasi Model
Timeseries Plot menunjukkan bahwa data sudah stasioner. Plot tertinggi adalah inflasiyang naik secara signifikan yang disebabkan oleh kenaikan harga BBM pada bulan
Oktober 2005
Lag
Aut
ocor
rela
tion
10987654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Autocorrelation Function for SEMARANG(with 5% significance limits for the autocorrelations)
Lag
Part
ial A
utoc
orre
latio
n
10987654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Partial Autocorrelation Function for SEMARANG(with 5% significance limits for the partial autocorrelations)
ACF dan PACF
Lag
Part
ial A
utoc
orre
latio
n
10987654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Partial Autocorrelation Function for YOGYAKARTA(with 5% significance limits for the partial autocorrelations)
Lag
Aut
ocor
rela
tion
10987654321
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Autocorrelation Function for YOGYAKARTA(with 5% significance limits for the autocorrelations)
ACF dan PACF