Perbandingan Model Autoregressive Moving Average (ARMA) dan Single Exponential Smoothing (SES) dalam Peramalan Inflasi di Sumatera Barat

Alfarezi, Alfarezi (2026) Perbandingan Model Autoregressive Moving Average (ARMA) dan Single Exponential Smoothing (SES) dalam Peramalan Inflasi di Sumatera Barat. Skripsi thesis, UIN Imam Bonjol Padang.

	Text (COVER) Alfarezi_2217010077_Cover.pdf - Published Version Download (964kB)
	Text (BAB I) Alfarezi_2217010077_BAB I.pdf - Published Version Download (288kB)
	Text (BAB III) Alfarezi_2217010077_BAB III.pdf - Published Version Download (259kB)
	Text (BAB V - Daftar Pustaka) Alfarezi_2217010077_BAB V - Daftar Pustaka.pdf - Published Version Download (297kB)
	Text (FULL TEXT) Alfarezi_2217010077_Full text.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Inflasi merupakan salah satu indikator penting dalam perekonomian daerah karena mencerminkan stabilitas harga dan daya beli masyarakat. Pergerakan inflasi cenderung berfluktuasi dari waktu ke waktu sehingga diperlukan metode peramalan yang tepat untuk memprediksi nilai inflasi di masa mendatang. Penelitian ini bertujuan untuk membandingkan kinerja model Time series Autoregressive Moving Average (ARMA) dan Single exponential Smoothing (SES) dalam memprediksi inflasi bulanan di Provinsi Sumatera Barat. Model ARMA digunakan untuk menangkap pola ketergantungan antar periode dalam data yang telah stasioner, sedangkan model SES berfungsi untuk memuluskan fluktuasi acak pada data tanpa tren dan musiman. Data yang digunakan adalah data inflasi bulanan periode Januari 2014 sampai Desember 2023. Proses awal model ARMA dimulai dengan uji stasioneritas data dan dilanjutkan dengan identifikasi model menggunakan plot Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF). Pemilihan model terbaik pada model ARMA didasarkan pada nilai Akaike Information Criteria (AIC) terkecil yang dihasilkan oleh model ARMA (2,0). Selanjutnya pada metode SES, parameter penghalusan terbaik berada pada \alpha=0,1 melalui pemilihan nilai MSE terkecil. Hasil evaluasi akurasi model menunjukkan bahwa model ARMA (2,0) menghasilkan nilai kesalahan peramalan lebih kecil dibandingkan dengan metode SES.

Actions (login required)

View Item