tugas inflasi ihk

5/16/2018 Tugas Inflasi IHK - slidepdf.com

http://slidepdf.com/reader/full/tugas-inflasi-ihk 1/8

KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU Berikut ini merupakan data inflasi dan IHK tahun 2009-2011 dengan tahun dasar

2008 yang diperoleh dari BPS.

Tabel 1. Data Inflasi dan IHK tahun 2009-2011 berdasarkan tahun dasar 2008, sumber BPS

Tahun Bulan IHK Inflasi Tahun Bulan IHK Inflasi Tahun Bulan IHK Inflasi

2009

1 113.78 -0.07

2010

1 118.01 0.84

2011

1 126.29 0.89

2 114.02 0.21 2 118.36 0.3 2 126.46 0.13

3 114.27 0.22 3 118.19 -0.14 3 126.05 -0.32

4 113.92 -0.31 4 118.37 0.15 4 125.66 -0.31

5 113.97 0.04 5 118.71 0.29 5 125.81 0.12

6 114.1 0.11 6 119.86 0.97 6 126.5 0.55

7 114.61 0.45 7 121.74 1.57 7 127.35 0.67

8 115.25 0.56 8 122.67 0.76 8 128.54 0.93

9 116.46 1.05 9 123.21 0.44 9 128.89 0.2710 116.68 0.19 10 123.29 0.06 10 128.74 -0.12

11 116.65 -0.03 11 124.03 0.6 11 129.18 0.34

12 117.03 0.33 12 125.17 0.92 12 129.91 0.57

Indeks Harga Konsumen (IHK)

Untuk mengetahui pola yang sesuai dari data IHK tahun 2009-2011, kita dapat

memplot data IHK tahun 2009-2011. Sehingga diperoleh plot time series dari data IHK

tahun 2009-2011 seperti pada gambar di bawah ini.

Tahun

Bulan

201120112011201020102010200920092009

128412841284

130.0

127.5

125.0

122.5

120.0

117.5

115.0

I H K

Time Series Plot of IHK

Gambar 3 Time Series Plot dari IHK Tahun 2009-2011

Dari plot di atas dapat dilihat bahwa ada indikasi data mempunyai pola trend.

Dengan menggunakan metode peramalan klasik maka didapatkan plot time series

sebagai berikut.



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU

Tahun

Bulan

201120112011201020102010200920092009

128412841284

130

125

120

115

110

I H K

MAPE 0.590694

MAD 0.711090

MSD 0.724909

Accur acy Measures

Actual

FitsForecasts

Variable

Trend Analysis Plot for IHK Linear Trend Model

Yt = 111.701 + 0.511*t

Tahun

Bulan

201120112011201020102010200920092009

128412841284

130.0

127.5

125.0

122.5

120.0

117.5

115.0

I H K

Length 2

Moving Average

MAPE 0.107813

MAD 0.132000

MSD 0.029854

Accur acy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Moving Average Plot for IHK

Tahun

Bulan

201120112011201020102010200920092009

128412841284

132.5

130.0

127.5

125.0

122.5

120.0

117.5

115.0

I H K

Alpha 1.65786

Smoothing Co nstant

MAPE 0.337505

MAD 0.410260

MSD 0.259776

Accur acy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Smoothing Plot for IHK Single Exponential Method

Tahun

Bulan

201120112011201020102010200920092009

128412841284

135

130

125

120

115

I H K

Alpha (level) 1.54119

Gamma (trend) 0.05061

Smoothing Constants

MAPE 0.315566

MAD 0.381719

MSD 0.218293

Accur acy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Smoothing Plot for IHK Double Exponential Method

Tahun

Bulan

201120112011201020102010200920092009

128412841284

135

130

125

120

115

I H K

Alpha (level) 0.2

Gamma (trend) 0.2

Delta (seasonal) 0.2

Smoothing Constants

MAPE 0.489021

MAD 0.598263

MSD 0.537561

Accur acy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Winters' Method Plot for IHK Additive Method

Dari Gambar 4 sampai Gambar 8 di atas dapat diketahui nilai-nilai kesalahan

peramalan dari metode Trend Analysis, Moving Average, Single Exponential Method,

Double exponential Method dan Winter Method . Untuk mengetahui metode forecasting

Gambar 4 Time Analysis Plot dari IHK Gambar 5 Moving Average Plot untuk IHK

Gambar 6 Smoothing Plot Single Exponential

Method untuk IHK Gambar 7 Smoothing Plot Double Exponential

Method untuk IHK

Gambar 8 Winter’s Method Plot untuk IHK



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU yang lebih baik kita dapat melihat nilai dari Mean absolute percentage error (MAPE),

Mean absolute deviation (MAD), dan Mean squared deviation (MSD).

Berikut ini adalah nilai MAPE, MAD dan MSD dari setiap metode peramalan

yang digunakan.

Tabel 2. MAPE, MAD DAN MSD dari IHK

Trend

Analysis

Moving

Average

Smoothing

WintersSingle

Exponential

Method

Double

Exponential

Method

MAPE 0,590694 0,425818 0,337505 0,315566 0,489021

MAD 0,711090 0,521103 0,410260 0,381719 0,598263

MSD 0,724909 0,435715 0,259776 0,218293 0,537561

Untuk mengetahui metode mana yang lebih baik dalam forecasting IHK di bulan

Januari dan Februari 2012, kita dapat melihat nilai MAPE, MAD dan MSD yang paling

kecil. Karena semakin kecil ketiga nilai tersebut maka error /kesalahan yang dihasilkan

oleh model semakin kecil. Hal inilah yang menyebabkan forecastingnya menjadi lebih

baik. Dari Tabel 3 di atas dapat kita lihat, metode yang memiliki nilai MAPE, MAD dan

MSD terkecil adalah metode double exponential smoothing, dimana nilai MAPE

sebesar 0,315566, MAD sebesar 0,381719 dan MSD sebesar 0,218293.

Berikut ini merupakan data forecast untuk IHK bulan Januari dan Februari 2012

Tabel 3. F orecast untuk IHK bulan Januari dan Februari 2012

Trend

Analysis

Moving

Average

Smoothing

WintersSingle

Exponential

Double

Exponential

Jan 2012 130.617 129.253 130,195 130.461 131.281

Feb 2012 131.129 129.253 130,195 130.917 131.453

Dari Tabel 3 di atas kita dapat mengetahui forecast untuk IHK bulan Januari dan

Februari 2012, dimana forecast IHK didapatkan dengan menggunakan beberapa metode

yaitu trend analysis, moving average, smoothing single exponential, double exponential

smoothing, dan winter’s method. Dengan metode trend analysis diperoleh forecasting IHK dibulan Januari adalah

sebesar 130,617 dan dibulan Februari sebesar 131,129. Pada Metode Moving Average



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU diperoleh forecasting IHK dibulan Januari dan Februari memiliki nilai yang sama yaitu

sebesar 129,253. Dengan metode single exponential smoothing diperoleh forecasting

pada bulan Januari dan Februari memiliki nilai yang sama besar yaitu 130,195.

Berdasarkan metode double exponential smoothing pada bulan Januari IHK diramalkan

sebesar 130,461 dan pada bulan Februari sebesar 130,917. Sedangkan dengan metode

Winters’ pada bulan Januari diramalkan IHK sebesar 131,281 dan pada Februari sebesar

131,453.

Untuk mengetahui metode mana yang lebih baik digunakan mem forecast IHK di

bulan Januari dan Februari 2012 kita dapat membandingkan metode trend analysis,

moving average, smoothing single exponential, double exponential smoothing, dan

winter’s method dengan Naive forecasts. Karena data inflasi berpola trend maka kita

menggunakan formula Naive forecasts untuk data dengan pola trend :

o Forecast untuk bulan Januari 2012

o Forecast untuk bulan Februari 2012

Jika kita membandingkan 5 metode yang digunakan sebelumnya yaitu trend

analysis, moving average, smoothing single exponential, double exponential smoothing,

dan winter’s dengan Naive forecasts. Metode yang memiliki nilai mendekati nilai dari

Naive forecasts adalah trend analysis. Berarti metode trend analysis adalah metode

yang paling baik untuk mem forecast IHK dibulan Januari dan Februari 2012.



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU INFLASI

Untuk mengetahui pola yang sesuai dari data inflasi tahun 2009-2011, kita dapat

memplot data inflasi tahun 2009-2011. Sehingga diperoleh plot time series dari data

inflasi tahun 2009-2011 seperti pada gambar di bawah ini.

Tahun

Bulan

201120112011201020102010200920092009

128412841284

1.5

1.0

0.5

0.0

-0.5

I n f l a s i

Time Series Plot of Inflasi

Gambar 9 Time Series Plot dari Inflasi Tahun 2009-2011

Dari Gambar 9 dapat dilihat bahwa ada indikasi data mempunyai pola

seasonal /musiman karena pada bulan-bulan yang sama di tahun yang berbeda terjadi

pengulangan keadaan yang sama. Misal pada bulan 4 di tahun 2009, polany cenderung

turun. Di bulan yang sama pada tahun 2010 dan 2011 juga terjadi pola yang sama.

Dengan menggunakan metode peramalan klasik maka didapatkan plot time series

sebagai berikut.

Tahun

Bulan

201120112011201020102010200920092009

128412841284

1.5

1.0

0.5

0.0

-0.5

I n f l a s i

MAPE 167.014

M AD 0. 335

M SD 0. 179

Accur acy Measures

Actual

Fits

Forecasts

Variable

Trend Analysis Pl ot for InflasiLinear Trend Model

Yt = 0.254 + 0.00614*t

Tahun

Bulan

201120112011201020102010200920092009

128412841284

1.5

1.0

0.5

0.0

-0.5

I n f l a s i

Length 2

Moving Average

MAPE 62.6453

MAD 0.1247

MSD 0.0240

Accuracy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Moving Average Plot for Inflasi

Gambar 10 Time Analysis Plot dari Inflasi Gambar 11 Moving Average Plot untuk Inflasi



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU

Tahun

Bulan

201120112011201020102010200920092009

128412841284

1.5

1.0

0.5

0.0

-0.5

I n f l a s i

Alpha 1.20283

Smoothing Constant

MAPE 162.883

M AD 0.349

M SD 0.185

Accuracy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Smoothing Plot for InflasiSingle Exponential Method

Tahun

Bulan

201120112011201020102010200920092009

128412841284

2.5

2.0

1.5

1.0

0.5

0.0

-0.5

-1.0

I n f l a s i

Alpha (level) 1.21814

Gamma (trend) 0.04365

Smoothing Constants

MAPE 201.719

M AD 0. 384

M SD 0. 219

Accur acy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Smoothing Plot for InflasiDouble Exponential Method

Tahun

Bulan

201120112011201020102010200920092009

128412841284

1.5

1.0

0.5

0.0

-0.5

I n f l a s i

Alpha (level) 0.2

Gamma (trend) 0.2

Delta (seasonal) 0.2

Smoothing Constants

MAPE 146.991

M AD 0. 267

M SD 0. 101

Accur acy Measures

Actual

Fits

Forecasts

95.0% PI

Variable

Winters' Method Plot for Inflasi Additive Method

Dari Gambar 10 sampai Gambar 14 di atas dapat diketahui nilai-nilai kesalahan

peramalan dari metode Trend Analysis, Moving Average, Single Exponential Method,

Double exponential Method dan Winter Method . Untuk mengetahui metode forecasting

yang lebih baik kita dapat melihat nilai dari Mean absolute percentage error (MAPE),

Mean absolute deviation (MAD), dan Mean squared deviation (MSD).

Berikut ini adalah nilai MAPE, MAD dan MSD dari setiap metode peramalan

yang digunakan.

Tabel 4. MAPE, MAD DAN MSD dari Inflasi

Trend

Analysis

Moving

Average

Smoothing

Winter s’ Single

Exponential

Method

Double

Exponential

Method

MAPE 167,014 165,783 162,883 201,719 146,991

MAD 0,335 0,329 0,349 0,384 0.267

MSD 0,179 0,132 0,185 0,219 0,101

Gambar 14 Winter’s Method Plot untuk Inflasi

Gambar 12 Smoothing Plot Single Exponential

Method untuk Inflasi Gambar 13 Smoothing Plot Double Exponential

Method untuk Inflasi



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU Untuk mengetahui metode mana yang lebih baik dalam meramalkan inflasi di

bulan Januari dan Februari 2012, kita dapat melihat nilai MAPE, MAD dan MSD yang

paling kecil. Karena semakin kecil ketiga nilai tersebut maka error /kesalahan yang

dihasilkan oleh model semakin kecil. Hal inilah yang menyebabkan forecastingnya

menjadi lebih baik. Dari Tabel 4 dapat kita lihat, metode yang memiliki nilai MAPE,

MAD dan MSD terkecil adalah metode winters’, dimana nilai MAPE sebesar 146,991,

MAD sebesar 0,267 dan MSD sebesar 0,101.

Berikut ini merupakan data forecast untuk IHK bulan Januari dan Februari 2012

Tabel 5. F orecast untuk Inflasi bulan Januari dan Februari 2012

Trend

Analysis

Moving

Average

Smoothing

WintersSingle

Exponential

Double

Exponential

Jan 2012 0,481000 0,2825 0,595675 0,594746 0,453076

Feb 2012 0,487135 0,2825 0,595675 0,593400 0,061715

Dari Tabel 5 dapat kita ketahui forecast untuk inflasi bulan Januari dan Februari

2012, dimana forecast inflasi didapatkan dengan menggunakan beberapa metode yaitu

trend analysis, moving average, smoothing single exponential, double exponential

smoothing, dan winter’s method. Dengan metode trend analysis diperoleh forecasting inflasi dibulan Januari

adalah sebesar 0,48100 dan dibulan Februari sebesar 0,487135. Pada Metode Moving

Average diperoleh forecasting inflasi dibulan Januari dan Februari memiliki nilai yang

sama yaitu sebesar 0,2825. Dengan menggunakan single exponential smoothing

diperoleh forecasting pada bulan Januari dan Februari sebesar 0,595675. Berdasarkan

metode Double exponential smoothing pada bulan Januari inflasi diramalkan sebesar

0,594746 dan pada bulan Februari sebesar 0,593400. Sedangkan dengan metode

Winters’ pada bulan Januari diramalkan inflasi sebesar 0,453076 dan pada Februari

sebesar 0,061715.

Untuk mengetahui metode mana yang lebih baik digunakan mem forecast inflasi

di bulan Januari dan Februari 2012 kita dapat membandingkan metode trend analysis,

moving average, smoothing single exponential, double exponential smoothing, dan



KADEK ARY WIDYAWATI

1309100039

ANALISIS DERET WAKTU winter’s method dengan Naive forecasts. Karena data inflasi berpola seasonal maka kita

menggunakan formula Naive forecasts untuk data dengan pola seasonal:

o Forecast untuk bulan Januari 2012

o Forecast untuk bulan Februari 2012

Jika kita membandingkan 5 metode yang digunakan sebelumnya yaitu trend

analysis, moving average, smoothing single exponential, double exponential smoothing,

dan winter’s dengan Naive forecasts. Metode yang memiliki nilai mendekati nilai dari

Naive forecasts adalah winters’ . Berarti metode winters’ adalah metode yang paling

baik untuk mem forecast inflasi dibulan Januari dan Februari 2012.

tugas inflasi ihk

Documents