Prediksi Nilai Inflasi Kabupaten/Kota di Jawa Timur yang Tidak Tersampel menggunakan Metode Ordinary Kriging
DOI:
https://doi.org/10.23887/wms.v16i1.44222Keywords:
Inflasi, Interpolasi Spasial, Ordinary Kriging, SemivariogramAbstract
Inflasi merupakan indikator ekonomi untuk mengukur keberhasilan perekonomian suatu negara. Perhitungan Inflasi yang dilakukan BPS masih terbatas hanya di beberapa Kabupaten/Kota sampel Survei Harga Konsumen (SHK) saja. Terbatasnya data inflasi, menjadi tantangan tersendiri bagi pemerintah setempat maupun bagi para pelaku usaha dalam membuat keputusan. Penelitian ini bertujuan memprediksi inflasi year on year (yoy) pada tahun 2021 di beberapa kabupaten/kota di Jawa Timur yang tidak tersampel berdasarkan nilai inflasi di kabupaten/kota sampel yang ada di sekitarnya menggunakan metode interpolasi spasial yaitu metode Ordinary Kriging. Hasil dari penelitian ini menunjukkan bahwa Metode Ordinary Kriging dengan model semivariogram Gaussian menunjukkanhasilprediksiyangbaik dengan nilai MAPEsebesar0,25%. Hasil prediksi padalokasitaktersampelmenunjukkan nilai yang cenderung tidak jauh berbeda dengan lokasi sampel yang berdekatan.References
Armstrong, M. (1998). Basic Linear Geostatistics. Springer Science & Business Media.
Boediono. (2006). Ekonomi makro. Yogyakarta: BPFE UGM.
Cressie, N. A. (1993). Statistics For Spatial Data. New York: John Wiley and Sons, Inc.
Isaaks, E. H., & Srivastava, R. M. (1989). Applied Geostatistics. New York: Oxford University Press.
Matheron, G. (1963). Principles of geostatistics. Economic Geology, 58(8), 1246-1266.
Olea, R. A. (1999). Geostatistics for Engineers and Earth Scientists. English: Springer.
Putong, I. (2015). Ekonomi Makro: Pengantar untuk dasar-dasar ilmu Ekonomi Makro. Jakarta: Buku & Artikel Karya Iskandar Putong.
Stephani, C. A., Suharsono, A., & Suhartono, S. (2015). Peramalan Inflasi Nasional Berdasarkan Faktor Ekonomi Makro Menggunakan Pendekatan Time Series Klasik dan ANFIS. Sains & Seni ITS, 4 (1), 67-72.
Youkuo, C., Yongguo, Y., & Wangwen, W. (2015). Coal seam thickness prediction based on least squares support vector machines and kriging method. Electronic Journal of Geotechnical Engineering, 20(1), 167-176.
Downloads
Published
Issue
Section
License
Wahana Matematika and Sains is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License