Peramalan Indeks Harga Konsumen Kota Semarang dengan Metode Autoregressive Integrated Moving Average

Forecasting Consumer Price Index (CPI) of Semarang City using Autoregressive Integrated Moving Average (ARIMA) Method

Authors

  • Sesotyaning Harum Prabuningrat Universitas Muhammadiyah Semarang
  • M. Al Haris Universitas Muhammadiyah Semarang
  • Nadia Khoirunnafisa Salma
  • Putri Wahyu Muharamah Universitas Muhammadiyah Semarang
  • Muhammad Saifuddin Nur Universitas Muhammadiyah Semarang

DOI:

https://doi.org/10.26714/jodi.v1i1.124

Keywords:

ARIMA, CPI, Forecasting, MAPE

Abstract

Indeks Harga Konsumen (IHK) merupakan salah satu indikator untuk menentukan tingkat stabilitas ekonomi suatu negara. IHK dapat memberikan informasi mengenai perkembangan harga barang dan jasa yang dibayar oleh konsumen, khususnya masyarakat kota. Pemerintah selalu menjaga mengenai presentase perubahan nilai IHK agar tetap rendah dan stabil sehingga mampu memberikan kesejahteraan untuk masyarakat. Oleh karena itu, perlu adanya peramalan data IHK untuk membantu pemerintah dalam menyusun kebijakan kedepannya. Salah satu metode yang tepat untuk meramalkan data IHK Kota Semarang yaitu dengan menggunakan model time series dengan proses Autoregressive Integrated Moving Average (ARIMA). Berdasarkan hasil analisis diperoleh Model ARIMA terbaik adalah ARIMA (0,1,1). Model terbaik menghasilan nilai kesalahan prediksi berdasarkan nilai MAPE sebesar 6,07% yang menandakan bahwa kemampuan model dalam memprediksi IHK Kota Semarang sangat akurat.

Metrics

Metrics Loading ...

Downloads

Published

2023-05-24

How to Cite

Sesotyaning Harum Prabuningrat, M. Al Haris, Nadia Khoirunnafisa Salma, Putri Wahyu Muharamah, & Muhammad Saifuddin Nur. (2023). Peramalan Indeks Harga Konsumen Kota Semarang dengan Metode Autoregressive Integrated Moving Average: Forecasting Consumer Price Index (CPI) of Semarang City using Autoregressive Integrated Moving Average (ARIMA) Method. Journal Of Data Insights, 1(1), 1–9. https://doi.org/10.26714/jodi.v1i1.124

Most read articles by the same author(s)