PEMODELAN MARKOV SWITCHING AUTOREGRESSIVE (MSAR) PADA INFLASI DKI JAKARTA

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 ya...

Full description

Saved in:
Bibliographic Details
Main Authors: Farhah Anggana, Dodi Devianto, Ferra Yanuar
Format: Article
Language:English
Published: Department of Mathematics, Faculty of Mathematics and Natural Sciences, Universitas Andalas 2023-01-01
Series:Jurnal Matematika UNAND
Subjects:
Online Access:https://jmua.fmipa.unand.ac.id/index.php/jmua/article/view/1052
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary: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.
ISSN:2303-291X
2721-9410