INFLASI INDONESIA 2020 - 2024
Studi Kasus: Inflasi Indonesia Bulanan Tahun 2020 - 2024
Data inflasi Indonesia dipilih sebagai objek analisis deret waktu karena merupakan data nyata yang tersedia dalam bentuk bulanan, sehingga sesuai untuk mempelajari pola perubahan suatu variabel dari waktu ke waktu. Selain itu, periode 2020–2024 memberikan jumlah pengamatan yang cukup untuk mengidentifikasi pola tren, pola musiman, serta hubungan antarperiode melalui ACF. Data inflasi juga menunjukkan adanya fluktuasi dari bulan ke bulan sehingga menarik untuk dianalisis menggunakan metode deret waktu.
1. Input Data
library(readr)## Warning: package 'readr' was built under R version 4.4.3library(knitr)## Warning: package 'knitr' was built under R version 4.4.3data_inflasi <- read_csv("C:/Users/HP/Downloads/inflasi_harga_konsumen_nasional_bulanan_2006_2024.csv")## Rows: 60 Columns: 3
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## dbl (3): Tahun, Bulan, Inflasi
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.kable(data_inflasi)| Tahun | Bulan | Inflasi |
|---|---|---|
| 2020 | 1 | 0.39 |
| 2020 | 2 | 0.28 |
| 2020 | 3 | 0.10 |
| 2020 | 4 | 0.08 |
| 2020 | 5 | 0.07 |
| 2020 | 6 | 0.18 |
| 2020 | 7 | -0.10 |
| 2020 | 8 | -0.05 |
| 2020 | 9 | -0.05 |
| 2020 | 10 | 0.07 |
| 2020 | 11 | 0.28 |
| 2020 | 12 | 0.45 |
| 2021 | 1 | 0.26 |
| 2021 | 2 | 0.10 |
| 2021 | 3 | 0.08 |
| 2021 | 4 | 0.13 |
| 2021 | 5 | 0.32 |
| 2021 | 6 | -0.16 |
| 2021 | 7 | 0.08 |
| 2021 | 8 | 0.03 |
| 2021 | 9 | -0.04 |
| 2021 | 10 | 0.12 |
| 2021 | 11 | 0.37 |
| 2021 | 12 | 0.57 |
| 2022 | 1 | 0.56 |
| 2022 | 2 | -0.02 |
| 2022 | 3 | 0.66 |
| 2022 | 4 | 0.95 |
| 2022 | 5 | 0.40 |
| 2022 | 6 | 0.61 |
| 2022 | 7 | 0.64 |
| 2022 | 8 | -0.21 |
| 2022 | 9 | 1.17 |
| 2022 | 10 | -0.11 |
| 2022 | 11 | 0.09 |
| 2022 | 12 | 0.66 |
| 2023 | 1 | 0.34 |
| 2023 | 2 | 0.16 |
| 2023 | 3 | 0.18 |
| 2023 | 4 | 0.33 |
| 2023 | 5 | 0.09 |
| 2023 | 6 | 0.14 |
| 2023 | 7 | 0.21 |
| 2023 | 8 | -0.02 |
| 2023 | 9 | 0.19 |
| 2023 | 10 | 0.17 |
| 2023 | 11 | 0.38 |
| 2023 | 12 | 0.41 |
| 2024 | 1 | 0.04 |
| 2024 | 2 | 0.37 |
| 2024 | 3 | 0.52 |
| 2024 | 4 | 0.25 |
| 2024 | 5 | -0.03 |
| 2024 | 6 | -0.08 |
| 2024 | 7 | -0.18 |
| 2024 | 8 | -0.03 |
| 2024 | 9 | -0.12 |
| 2024 | 10 | 0.08 |
| 2024 | 11 | 0.30 |
| 2024 | 12 | 0.44 |
Dataset: https://drive.google.com/file/d/1-rbc40TKGUgBvBHNzpvODJxZJ5xiUOdR/view?usp=sharing
2. Objek Time Series
inflasi.ts <- ts(data_inflasi$Inflasi,
start = c(2020, 1),
frequency = 12)
inflasi.ts## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
## 2020 0.39 0.28 0.10 0.08 0.07 0.18 -0.10 -0.05 -0.05 0.07 0.28 0.45
## 2021 0.26 0.10 0.08 0.13 0.32 -0.16 0.08 0.03 -0.04 0.12 0.37 0.57
## 2022 0.56 -0.02 0.66 0.95 0.40 0.61 0.64 -0.21 1.17 -0.11 0.09 0.66
## 2023 0.34 0.16 0.18 0.33 0.09 0.14 0.21 -0.02 0.19 0.17 0.38 0.41
## 2024 0.04 0.37 0.52 0.25 -0.03 -0.08 -0.18 -0.03 -0.12 0.08 0.30 0.44Data yang digunakan dalam analisis ini merupakan data aktual inflasi
Indonesia periode 2020–2024. Data tersebut terdiri dari observasi
inflasi bulanan selama lima tahun. Data kemudian dibentuk menjadi objek
time series menggunakan fungsi ts() dengan waktu awal
Januari 2020 (start = c(2020, 1)) dan frekuensi 12 yang
menunjukkan bahwa data dicatat setiap bulan. Dengan demikian, objek
inflasi.ts merepresentasikan perkembangan inflasi Indonesia
secara bulanan dari tahun 2020 hingga 2024.
3. Identifikasi Pola Data dalam Deret Waktu
# Dekomposisi
dekomposisi <- stl(inflasi.ts, s.window = "periodic")
# Tren
tren <- dekomposisi$time.series[,"trend"]
# Musiman
musiman <- dekomposisi$time.series[,"seasonal"]
# residual
residual <- dekomposisi$time.series[,"remainder"]
# Visualisasi
par(mfrow = c(3, 2), mar = c(4, 4, 2, 1))
plot(tren, type = "l", col = "red", lwd = 2,
main = "Komponen Tren",
xlab = "waktu", ylab = "nilai")
plot(musiman, type = "l", col = "orange", lwd = 2,
main = "Komponen Musiman",
xlab = "waktu", ylab = "nilai")
plot(residual, type = "l", col = "gold", lwd = 2,
main = "Komponen Residual",
xlab = "waktu", ylab = "nilai")
plot(inflasi.ts, type = "l", col = "tomato", lwd = 2,
main = "Data Inflasi Indonesia 2020 - 2024",
xlab = "Waktu", ylab = "Y")
par(mfrow = c(1, 1))
Dekomposisi digunakan karena data deret waktu
biasanya dapat memiliki beberapa komponen, seperti tren, musiman, dan
residual/error. Dengan stl(), data inflasi yang awalnya
hanya terlihat sebagai satu grafik dapat dipisahkan sehingga kita lebih
mudah melihat pola jangka panjang, pola berulang, dan fluktuasi yang
tidak dapat dijelaskan oleh kedua pola tersebut.
1. Komponen Tren
Komponen tren menunjukkan perubahan jangka panjang pada inflasi Indonesia selama periode 2020–2024. Pada awal periode 2020, tingkat tren inflasi relatif rendah dan cenderung stabil. Tren kemudian meningkat secara signifikan hingga mencapai titik tertinggi sekitar tahun 2022. Setelah itu, tren mengalami penurunan secara bertahap hingga tahun 2024. Hal ini menunjukkan bahwa terdapat perubahan pola jangka panjang pada inflasi selama periode pengamatan, dengan peningkatan yang paling menonjol terjadi sekitar tahun 2022.
2. Komponen Musiman
Komponen musiman menunjukkan adanya pola fluktuasi yang berulang
secara periodik dalam data inflasi. Karena data yang digunakan merupakan
data bulanan dan s.window = "periodic", pola musiman yang
ditampilkan berkaitan dengan pola tahunan, yaitu perubahan inflasi pada
bulan-bulan tertentu yang cenderung berulang pada tahun berikutnya.
Nilai komponen musiman berfluktuasi di sekitar nilai nol.
3. Komponen Residual
Komponen residual menunjukkan variasi inflasi yang tidak dapat dijelaskan oleh komponen tren dan musiman. Nilai residual berfluktuasi di sekitar nilai nol dan tidak menunjukkan pola jangka panjang yang jelas. Namun, terlihat beberapa fluktuasi yang cukup besar, terutama sekitar tahun 2022. Hal tersebut menunjukkan adanya perubahan atau kejadian tertentu yang menyebabkan nilai inflasi menyimpang dari pola tren dan musimannya.
4. Data Inflasi Aktual
Data inflasi aktual menunjukkan pola yang berfluktuasi dari bulan ke bulan selama periode 2020–2024. Pada tahun 2020 hingga 2021, fluktuasi relatif lebih rendah. Perubahan yang lebih besar terlihat pada sekitar tahun 2022, ketika nilai inflasi mengalami peningkatan dan penurunan yang lebih tajam. Setelah tahun 2022, nilai inflasi kembali berfluktuasi dengan tingkat yang relatif lebih rendah hingga 2024. Dengan demikian, data menunjukkan adanya kombinasi antara pola jangka panjang, pola musiman, dan fluktuasi acak.
4. Identifikasi ACF
ACF <- acf(inflasi.ts, lag.max = 12, plot = FALSE)
ACF$acf## , , 1
##
## [,1]
## [1,] 1.000000000
## [2,] 0.143297928
## [3,] 0.172952512
## [4,] 0.325025655
## [5,] -0.006275858
## [6,] 0.080771555
## [7,] 0.023093460
## [8,] -0.185392494
## [9,] 0.011564208
## [10,] -0.012593539
## [11,] -0.071548777
## [12,] 0.032101507
## [13,] 0.089340155plot(ACF, xaxt = "n",
main = "ACF Inflasi Indonesia",
xlab = "lag(k)")
axis(1,
at = 0:12/12,
labels = 0:12)
Berdasarkan grafik ACF inflasi Indonesia periode 2020–2024, pada lag 0 diperoleh nilai ACF sebesar 1, yang merupakan nilai ACF pada data dengan dirinya sendiri. Pada lag 1 dan lag 2, nilai ACF masing-masing sebesar 0,1433 dan 0,1730, yang menunjukkan adanya korelasi positif antara nilai inflasi dengan nilai inflasi pada satu dan dua bulan sebelumnya, tetapi hubungan tersebut relatif lemah.
Pada lag 3, diperoleh nilai ACF sebesar 0,3250 dan terlihat melewati batas signifikansi pada grafik. Hal ini menunjukkan adanya korelasi positif yang signifikan antara inflasi dengan inflasi tiga bulan sebelumnya. Dengan demikian, nilai inflasi pada suatu bulan memiliki hubungan dengan nilai inflasi sekitar tiga bulan sebelumnya.
Pada lag 4 hingga lag 6, nilai ACF relatif kecil dan berada di sekitar nol, sehingga menunjukkan hubungan yang lemah. Pada lag 7, nilai ACF sebesar −0,1854, yang menunjukkan hubungan negatif, tetapi nilainya masih berada dalam batas signifikansi. Sementara itu, pada lag 8 hingga lag 12, nilai ACF kembali relatif kecil dan tidak menunjukkan korelasi yang kuat.
Secara keseluruhan, ACF inflasi Indonesia periode 2020–2024 menunjukkan bahwa sebagian besar korelasi antarperiode relatif lemah. Terdapat korelasi positif yang paling menonjol pada lag 3, sedangkan pada lag lainnya nilai ACF cenderung berada di sekitar nol. Pada lag 12 nilai ACF sebesar 0,0893 dan tidak melewati batas signifikansi, sehingga belum terdapat bukti yang kuat mengenai pola musiman tahunan berdasarkan ACF.
Kesimpulan
Berdasarkan hasil analisis deret waktu inflasi Indonesia periode 2020–2024, data menunjukkan adanya fluktuasi dari waktu ke waktu dengan perubahan yang cukup menonjol pada sekitar tahun 2022. Hasil dekomposisi menunjukkan adanya komponen tren, musiman, dan residual, sehingga perubahan inflasi tidak hanya dipengaruhi oleh pola jangka panjang, tetapi juga oleh pola yang berulang setiap tahun dan faktor lain yang bersifat tidak teratur.
Berdasarkan analisis ACF, sebagian besar korelasi antarperiode relatif lemah. Korelasi positif yang paling menonjol terdapat pada lag 3 sebesar 0,3250, sedangkan lag 12 sebesar 0,0893 tidak melewati batas signifikansi. Dengan demikian, belum terdapat bukti yang kuat mengenai pola musiman tahunan berdasarkan ACF. Secara keseluruhan, data inflasi Indonesia 2020–2024 menunjukkan adanya dinamika dan fluktuasi antarwaktu, dengan hubungan antarbulan yang umumnya lemah dan tidak menunjukkan korelasi tahunan yang kuat.