Dalam iklim ekonomi yang terus berubah, memahami dan memprediksi inflasi menjadi hal yang krusial bagi kestabilan suatu negara, tak terkecuali Indonesia. Inflasi yang tidak terkendali dapat berdampak besar terhadap daya beli masyarakat, memicu gejolak pasar, dan memengaruhi keputusan investasi secara luas. Oleh karena itu, upaya untuk menghadirkan model prediktif yang akurat tidak hanya menjadi tanggung jawab akademisi, tetapi juga kebutuhan praktis bagi pengambil kebijakan dan investor yang ingin merespons kondisi ekonomi secara cerdas.
Melalui pendekatan inovatif, tim peneliti dari Universitas Airlangga memperkenalkan dua metode dalam memprediksi inflasi Indonesia: Estimator Deret Fourier dan Support Vector Regression (SVR). Estimator Deret Fourier dikenal sebagai metode klasik yang mampu menangkap pola musiman dengan pendekatan fungsi trigonometri. Sementara itu, SVR menawarkan pendekatan yang lebih modern dengan kemampuan tinggi dalam menghadapi data non-linear dan menghasilkan prediksi yang lebih presisi. Keduanya diuji terhadap data inflasi bulanan Indonesia selama sepuluh tahun terakhir, dari tahun 2013 hingga 2022, yang mencakup berbagai periode penting termasuk krisis akibat pandemi COVID-19.
Dalam proses pemodelan, Estimator Deret Fourier digunakan untuk mengaproksimasi pola musiman dan periodik pada data inflasi. Hasilnya menunjukkan bahwa model ini mampu menggambarkan tren musiman secara umum, namun memiliki keterbatasan dalam menangkap dinamika data pada masa-masa krisis atau lonjakan tiba-tiba. Akurasi model Fourier, berdasarkan evaluasi dengan Mean Absolute Percentage Error (MAPE), berada pada kisaran 8,4%, yang masih tergolong baik untuk pemodelan musiman, namun kurang adaptif terhadap perubahan struktural ekonomi.
Sebaliknya, model Support Vector Regression menunjukkan performa yang sangat impresif. Dengan menggunakan pendekatan time lag berdasarkan pola Partial Autocorrelation Function (PACF), SVR dilatih untuk mengidentifikasi dan menyesuaikan pola historis secara lebih fleksibel. Hasil pengujian menunjukkan MAPE hanya sebesar 0,104% dan RMSE sekitar 0,202, menjadikan SVR sebagai pendekatan yang sangat akurat dan efisien untuk memprediksi inflasi dalam jangka pendek. Grafik perbandingan antara hasil prediksi dan data aktual menunjukkan bahwa model SVR mengikuti arah tren dengan sangat baik, termasuk ketika inflasi mengalami kenaikan tajam seperti pada pertengahan 2022.
Akurasi prediksi yang tinggi dari model SVR membuka ruang strategis bagi pemerintah dan investor. Bagi otoritas moneter seperti Bank Indonesia, informasi prediktif yang tajam ini dapat dijadikan acuan dalam menentukan suku bunga acuan, menyesuaikan kebijakan makroprudensial, serta mengantisipasi tekanan harga dari sisi permintaan maupun penawaran. Sementara itu, bagi pelaku pasar dan investor, informasi inflasi yang akurat menjadi dasar penting dalam menetapkan ekspektasi return investasi, melakukan lindung nilai (hedging), atau menyesuaikan strategi alokasi aset.
Tak hanya bermanfaat dalam ranah teknis ekonomi, studi ini juga memberikan kontribusi dalam mendukung Tujuan Pembangunan Berkelanjutan (SDGs), khususnya poin ke-8 mengenai pertumbuhan ekonomi dan pekerjaan yang layak. Stabilitas harga yang terjaga menjadi fondasi utama bagi penciptaan iklim usaha yang sehat dan pertumbuhan ekonomi inklusif. Prediksi yang baik bukan hanya membantu menghadapi risiko, tetapi juga membuka peluang bagi kebijakan fiskal dan moneter yang lebih terarah.
Penulisan artikel ini merupakan hasil kolaborasi antara para akademisi dan mahasiswa Universitas Airlangga. Tim peneliti terdiri dari Dosen Statistika, yaitu Dr. M. Fariz Fadillah Mardianto, M.Si dan Dr. Toha Saifudin, M.Si, yang berkolaborasi dengan mahasiswa Magister Matematika, yaitu Diana Wahyuli dan Nurul Mutmainna, serta mahasiswa S1 Statistika, I Kadek Pasek Kusuma Adi Putra. Sinergi antara dosen dan mahasiswa ini menunjukkan bahwa inovasi ilmiah dapat lahir dari semangat belajar, eksplorasi metodologi, dan kontribusi nyata terhadap tantangan ekonomi bangsa.
Penulis: M. Fariz Fadillah Mardianto, S.Si.,M.Si.
Link Publikasi
