Analisis Dampak Covid-19 Terhadap Tingkat Inflasi di Indonesia
Abstract
Penyebaran corona virus diseases 19 (Covid-19) telah meluas ke seluruh penjuru dunia dan membawa dampak terhadap pendidikan, pariwisata maupun ekonomi. Inflasi adalah salah satu dampak pandemi COVID-19 terhadap kondisi makro Indonesia. Penelitian tentang dampak Covid-19 terhadap tingkat inflasi di Indonesia telah dilakukan, tetapi hasilnya tidak konsisten. Analisis yang mengaitkan antara Covid-19 dan tingkat inflasi di Indonesia menggunakan model Autoregressive Integrated Moving Average with exogenous variables (ARIMAX) belum dilakukan. Studi ini bertujuan untuk mendapatkan model ARIMAX terbaik dan menentukan apakah terdapat hubungan antara kasus Covid-19 dengan tingkat inflasi di Indonesia. Data inflasi bulanan dan data rata-rata Covid-19 bulanan (Maret 2020-September 2022) di Indonesia digunakan pada studi ini. Data Inflasi dituliskan sebagai variabel Zt yakni variabel independen yang diperoleh dari Badan Pusat Statistik dan data Covid-19 sebagai peubah Xt yang merupakan variabel independen yang diperoleh dari situs resmi Kementerian Kesehatan Republik Indonesia. Berdasarkan hasil analisis data, disimpulkan bahwa model ARIMA terbaik adalah ARIMA (0, 1, [6]). Dari hasil estimasi model ARIMAX diperoleh bahwa dampak Covid-19 terhadap inflasi di Indonesia tidak berpengaruh secara signifikan.
References
[2] N. A. Wadan, R. A. B. Kusufa, dan S. H. Sakdiyah, “DAMPAK PANDEMI COVID-19 TERHADAP PENDAPATAN MASYARAKAT,” J. Sos. Dan Sains, vol. 2, no. 2, hal. 278–285, 2022.
[3] W. R. Salam, “INFLASI DITENGAH PANDEMI DALAM PERSPEKTIF ISLAM,” J. Syntax Transform., vol. 1, no. 5, hal. 187–192, 2020, [Daring]. Tersedia pada: https://doi.org/10.1016/j.solener.2019.02.027%0Ahttps://www.golder.com/insights/block-caving-a-viable-alternative/%0A???
[4] R. L. Amalin dan M. Panorama, “Dampak COVID-19 terhadap Tingkat Inflasi (Kelompok Pengeluaran Makanan, Minuman, Tembakau dan Kesehatan Periode 2010-2020),” J. Ekon. dan Bisnis Islam, vol. 1, no. 2, hal. 73–84, 2021, [Daring]. Tersedia pada: http://ejurnal.uij.ac.id/index.php/jebi/article/view/1027/947
[5] Benius dan R. Hadifa, “Dampak Pandemi COVID-19 Terhadap Inflasi Kota Palangka Raya,” Unkrip, vol. 2, no. 2, hal. 99–108, 2021.
[6] R. Hadifa dan A. Hukom, “Impact of Covid-19 on the Inflation Rate of Central Kalimantan Province,” Budapest Int. Res. Critics Inst. Humanit. Soc. Sci., vol. 4, no. 4, hal. 10895–10903, 2021.
[7] Z. Nadila, M. Ahyaruddin, dan A. Agustiawan, “Akuntabilitas Kinerja Instansi Pemerintah dalam Perspektif Teori Institusional: Sebuah Pendekatan Penelitian Campuran,” Muhammadiyah Riau Account. Bus. J., vol. 2, no. 2, hal. 214–223, 2021, doi: 10.37859/mrabj.v2i2.2559.
[8] D. Yuniarti, D. Rosadi, dan Abdurakhman, “Inflation of Indonesia during the COVID-19 pandemic,” J. Phys. Conf. Ser., vol. 1821, no. 1, hal. 1–10, 2021, doi: 10.1088/1742-6596/1821/1/012039.
[9] L. Y. Chiu, D. J. Arcega Rustia, C. Y. Lu, dan T. Te Lin, “Modelling and Forecasting of Greenhouse Whitefly Incidence Using Time-Series and ARIMAX Analysis,” IFAC-PapersOnLine, vol. 52, no. 30, hal. 196–201, 2019, doi: 10.1016/j.ifacol.2019.12.521.
[10] T. E. Siswanti, T. S. Yanti, P. Statistika, F. Matematika, dan P. Alam, “Pemodelan ARIMAX ( Autoregressive Integrated Moving Average with Exogenous Variable ),” Pros. Stat., vol. 6, no. 2, hal. 113–118, 2020.
[11] Nugroho Arif Sudibyo, Ardymulya Iswardani, Arif Wicaksono Septyanto, dan Tyan Ganang Wicaksono, “Prediksi Inflasi Di Indonesia Menggunakan Metode Moving Average, Single Exponential Smoothing Dan Double Exponential Smoothing,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 1, no. 2, hal. 123–129, 2020, doi: 10.46306/lb.v1i2.25.
[12] N. Azizah, “Penerapan Metode Autoregressive Integrated Moving Average with Exogenous Variable (ARIMAX) berdasarkan Variasi Kalender Hijriyah pada Peramalan Penjualan Busana Muslim,” hal. 159, 2017, [Daring]. Tersedia pada: http://repository.its.ac.id/47971/
[13] S. Rahayu, P. Astutik, dan P. Hendikawati, “Peramalan Inflasi di Demak Menggunakan Metode ARIMA Berbantuan Software R dan MINITAB,” Prism. Pros. Semin. Nas. Mat., vol. 1, hal. 745–754, 2018.
[14] Y. Lai dan D. A. Dzombak, “Use of the autoregressive integrated moving average (Arima) model to forecast near-term regional temperature and precipitation,” Weather Forecast., vol. 35, no. 3, hal. 959–976, 2020, doi: 10.1175/WAF-D-19-0158.1.
Copyright (c) 2023 Jurnal MSA ( Matematika dan Statistika serta Aplikasinya)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
