Prediksi Pergerakan Inflasi Di Indonesia Dengan Metode ARIMA: Pendekatan Time Series

Abstract

Penelitian ini bertujuan untuk memprediksi pergerakan inflasi di Indonesia dengan memanfaatkan metode Autoregressive Integrated Moving Average (ARIMA) dalam pendekatan analisis deret waktu. Data inflasi bulanan dari periode Januari 2020 hingga Oktober 2025 digunakan sebagai basis empiris. Tahapan analisis dimulai dengan pengujian stasioneritas menggunakan Augmented Dickey-Fuller (ADF) Test, yang mengonfirmasi bahwa data inflasi dalam level bersifat non-stasioner (statistik ADF: -2.254; nilai kritis 5%: -2.906). Transformasi dilakukan melalui differencing pertama (D(INFLASI)) untuk mencapai stasioneritas. Identifikasi pola melalui korelogram autokorelasi dan parsial autokorelasi mengindikasikan adanya ketergantungan waktu dan kemungkinan komponen musiman. Model awal yang diestimasi adalah ARMA(1,1) pada data stasioner, dengan koefisien AR(1) signifikan sebesar 0.775 dan MA(1) sebesar -0.645. Namun, evaluasi diagnostik lebih lanjut mengungkapkan kelemahan model, ditunjukkan oleh nilai R-squared yang rendah (0.042) dan adanya autokorelasi signifikan pada residual pada lag 3, 12, 15, dan 24, yang mengisyaratkan model belum sepenuhnya menangkap pola data, khususnya pola musiman tahunan. Meskipun demikian, uji stabilitas model mengonfirmasi bahwa invers akar polinomial AR dan MA berada di dalam lingkaran unit, memenuhi syarat stasioneritas dan invertibilitas. Berdasarkan temuan ini, penelitian menyimpulkan bahwa model ARIMA non-musiman sederhana belum memadai untuk memprediksi inflasi Indonesia secara akurat. Untuk prediksi yang lebih andal, rekomendasi utama adalah pengembangan model Seasonal ARIMA (SARIMA) yang secara eksplisit memasukkan komponen musiman, seperti pada lag 12, guna menangkap siklus tahunan dalam data inflasi. Implikasi studi ini memberikan panduan metodologis dalam pemilihan spesifikasi model time series yang tepat untuk peramalan variabel makroekonomi yang kompleks dan bersifat dinamis seperti inflasi.