摘要：Inflation is an important indicator that can provide information on the development of prices of goods and services consumed by public. Forecasting inflation is important in order to assist the government in taking monetary policy to maintain economic stability in the future. In general, forecasting inflation can be done with time series approach, causal approach, and a combination of time series and causal approaches. Models with a combined approach that is widely used for forecasting inflation is ARIMAX model that includes Transfer Function and Intervention Model or also known as dynamic regression models. In addition, Generalized Autoregresive Conditional Heteroscedasticity (GARCH) for variance has also been applied to models in forecasting inflation. This study explains the procedure of building the ARIMAX models and GARCH detection using a case study of inflation data in denpasar city. Predictor variables consist of metric data variable (ie number of foreign tourists) and non-metric data variables (the increase of fuel oil (BBM)), basic electricity tariff (TDL) and Bali bombings). The best model for in-sample data is intervention model with the smallest value of AIC and SBC, whereas the best model for data out-sample is transfer function model with the smallest RMSE value. GARCH detection results with Langrange Multiplier test shows no evidence of heteroscedasticity in ARIMAX model.
其他摘要：Inflasi merupakan indikator penting yang dapat memberikan informasi mengenai perkembangan harga barang dan jasa yang dikonsumsi masyarakat Peramalan terhadap inflasi menjadi penting agar dapat membantu pemerintah dalam mengambil kebijakan untuk menjaga stabilitas moneter di masa yang akan datang. Secara umum peramalan inflasi dapat dilakukan dengan pendekatan time series, pendekatan kausal, dan gabungan antara pendekatan time series dan kausal. Model dengan pendekatan gabungan yang banyak digunakan untuk peramalan inflasi adalah ARIMAX yang mencakup model Fungsi Transfer dan Model Intervensi atau dikenal juga dengan model regresi dinamis. Selain itu, pendekatan Generalized Autoregresive Conditional Heteroscedasticity (GARCH) untuk model varians juga telah diaplikasikan pada peramalan inflasi. Dalam Penelitian ini akan dijelaskan prosedur pembentukan model ARIMAX dan deteksi GARCH sebagai studi kasus digunakan data inflasi Kota Denpasar. Variabel prediktor yang digunakan terdiri atas variabel data metrik (yaitu jumlah wisatawan mancanegara) dan variabel data non metrik (yaitu kenaikan bahan bakar minyak (BBM), tarif dasar listrik (TDL), dan kejadian bom Bali). Model terbaik untuk data in-sample adalah model intervensi dengan nilai AIC dan SBC terkecil, sedangkan untuk data out-sample model terbaiknya adalah model fungsi transfer dengan nilai RMSE terkecil. Hasil deteksi GARCH dengan uji Lagrange Multiplier menunjukkan tidak ditemukan adanya unsur heteroskedastisitas pada model ARIMAX.
