Peramalan Outflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Autoregressive (GSTAR)

Transkripsi

1 JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-59 Peramalan Ouflow Uang Pecahan di Jawa Timur Menggunakan Generalized Space Time Auoregressive (GSTAR) Rahmah Safiri, Seiawan, dan Imam Safawi Ahmad Jurusan Saisika, Fakulas MIPA, Insiu Teknologi uluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 6111 Indonesia rahmah.safiri7@gmail.com, seiawan@saisika.is.ac.id, safawi@saisika.is.ac.id Absrak Tahun khususnya saa Hari Raya ebaran jumlah uang beredar mencapai 17,1 Triliun rupiah. Peredaran uang di Jawa Timur didominasi oleh uang pecahan. Uang pecahan yang beredar di masyaraka merupakan ouflow dari Bank. Pada waku erenu seperi bulan erjadinya Hari Raya Idul Firi, ouflow uang pecahan mempunyai jumlah yang inggi dibandingkan bulan biasanya. Unuk memenuhi kebuuhan masyaraka akan keersediaan uang pecahan rupiah layak edar Bank Indonesia melakukan kebijakan dengan melakukan peramalan. Meode peramalan yang dapa digunakan unuk meramalkan ouflow uang pecahan adalah GSTAR yang memperhaikan keerkaian anar lokasi pada waku erenu. Dilakukan peramalan erhadap ouflow uang pecahan 1 ribu dan ribu menggunakan Time Series Regression dan GSTAR-SUR. okasi pengamaan di KPw BI Surabaya, Kediri, Malang, dan Jember. Model Time Series Regression dengan efek variasi kalender lebih baik meramalkan ouflow uang pecahan 1 ribu dan ribu, model GSTAR belum dapa menangkap pola daa sebenarnya. Kaa Kunci GSTAR, Jawa Timur, Ouflow, Uang Pecahan. U I. PENDAHUUAN ang rupiah merupakan ala pembayaran yang sah di Negara Indonesia. Kebijakan enang beredarnya uang di Indonesia diaur oleh Bank Indonesia (BI) yaiu memenuhi kebuuhan masyaraka akan keersediaan uang rupiah layak edar [1]. Kebijakan erhadap jumlah uang beredar berujuan unuk menjaga keseimbangan makro ekonomi dengan menekan laju inflasi, meningkakan laju perumbuhan ekonomi, dan menyeimbangkan neraca pembayaran. Jawa Timur merupakan provinsi dengan jumlah uang beredar mencapai 17,1 Triliun rupiah pada ahun 1 saa Hari Raya Idul Firi aau 15% dari esimasi 16,7 riliun. [], sehingga perlu dilakukan kebijakan dengan pengendalian jumlah uang beredar. Kebijakan yang elah dilakukan BI salah saunya adalah melakukan peramalan []. Model ramalan yang baik, dibuuhkan unuk mewujudkan keseimbangan makro ekonomi. Peneliian enang peramalan jumlah uang beredar di Indonesia pernah dilakukan ahun 9 yang menghasilkan model ARIMA (,) (,) 1 unuk komponen uang karal erhadap giro []. Peneliian yang pernah dilakukan erhadap uang di Indonesia yaiu inflow dan ouflow uang karal. Inflow merupakan informasi mengenai aliran uang keras dan uang logam yang masuk dari perbankan dan masyaraka ke BI, sedangkan ouflow merupakan informasi mengenai aliran uang keras dan uang logam yang keluar dari BI kepada perbankan dan masyaraka. Peneliian enang paramalan uang karal dapa dilakukan secara mulivaria. Salah sau meode yang dapa digunakan adalah GSTAR (Generalized Space Time Auoregressive), meode ini digunakan unuk meramalkan dengan memperhaikan lokasi yang heerogen. Peneliian menggunakan GSTAR pernah dilakukan erhadap daa minyak bumi di iga lokasi dengan hasil bahwa model GSTAR lebih baik meramalkan minyak bumi di iga lokasi dibandingkan dengan VARIMA [5]. Uang pecahan mempunyai daya arik yang kua pada waku erenu seperi Hari Raya Idul Firi dan hari besar lainnya, hal ersebu menyebabkan ouflow uang pecahan pada waku erenu ingi dan mempunyai pola flukuaif. Unuk mengendalikan ouflow uang pecahan di Jawa Timur dilakukan peramalan erhadap uang pecahan berdasarkan ouflow di BI iap KPw. Peneliian sebelumnya menyaakan bahwa model GSTAR menghasilkan ramalan lebih baik daripada model VARIMA unuk meramalkan secara mulivariae [5], sehingga dalam peneliian ini menggunakan GSTAR unuk meramalkan ouflow uang pecahan 1 ribu dan ribu di JawaTimur, kemudian menenukan model erbaik. II. Model GSTAR TINJAUAN PUSTAKA Model GSTAR (Generalized Space Time Auoregressive) merupakan perkembangan dari model STAR (Space Time Auoregressive) dan merupakan spesifikasi dari model VAR (Vecor Auoregressive) [6]. Model GSTAR mempunyai lokasi pengamaan yang bersia heerogen yang diunjukkan dengan marik pembobo. Benuk model GSTAR secara umum pada orde p dan orde spasial 1,,, p adalah p ( ) Φ s ( s) e( ), s ( k) s Φsk W 1 k1 dengan () : vekor observasi pada waku ke λ s : orde spasial dari auoregresi ke s Φ s : diag (φ 1 s,, φ N s ) mariks koefisien parameer waku Φ sk : diag (φ 1 sk,, φ N sk )mariks koefisien parameer spasial W (k) : mariks pembobo

2 D-6 JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) k wii dan i j k ij w 1 e() : komponen error yang memenuhi asumsi whie noise. Persamaan model GSTAR dengan orde waku k dan spasial 1 dalam benuk mariks dengan pengamaan di lokasi adalah 1( ) 1 1( k) 11 w1 w1 w1 1( k) a1 ( k) 1 w1 w w ( k) a ( k) w w w ( k) a ( k) 1 w1 1 1 w w ( k) a Mengidenifikasi model GSTAR hanya dibaasi menggunakan orde spasial sau karena jika lebih dari sau akan suli diinerpreasikan. Penenuan orde model GSTAR menggunakan plo MCCF dan MPCCF. Pemilihan bobo lokasi pada model GSTAR menunjukkan bahwa pengamaan anar lokasi mempunyai sifa yang heerogen. Terdapa iga jenis penenuan bobo lokasi yaiu bobo lokasi seragam, invers jarak, dan normalisasi korelasi silang. Bobo normalisasi korelasi silang merupakan bobo yang bersifa fleksibel karena memunkinkan semua benuk hubungan anar lokasi. Bobo normalisasi korelasi silang menggunakan inferensia saisik erhadap korelasi silang unuk penenuan bobo lokasinya [7,8]. Secara umum korelasi silang anara lokasi ke-i dan ke-j pada lag waku ke-k diberikan sebagai [9] ij ( k) ij ( k), k, 1,,... () i j Dengan γ ij (k) merupakan kovarian silang anara pengamaan di lokasi ke-i dan ke-j, σ i dan σ j merupakan sandar deviasi anara pengamaan di lokasi ke-i dan ke-j. Taksiran dari korelasi silang pada sampel dapa dinyaakan dalam benuk n [ i i ][ j ( k) j ] k1 r ij ( k). () n n [ ( ) ] [ ( ) ] i i j j 1 1 Penenuan bobo lokasi dapa dilakukan melalui normalisasi dari hasil besaran-besaran korelasi silang anar lokasi pada waku yang bersesuaian. Proses ini menghasilkan bobo lokasi unuk model GSTAR yaiu rij ( k) w ij ( k), r ( k) (5) ji dengan i j dan bobo ini memenuhi w ij 1. Esimasi Parameer Model GSTAR ij i j Esimasi parameer pada model GSTAR menggunakan GS (Generalized eas Square), dengan memperhaikan adanya korelasi dari residual anar persamaan. GS sering digunakan dalam model SUR (Seemingly Unrelaed Regression) dengan model erdiri dari beberapa persamaan regresi yang residualnya idak saling berkorelasi dan idak erjadi auokorelasi. Asumsi yang harus dipenuhi adalah E(ε) = dan E(ε ε) = σ ij I T. Memperhaikan srukur varian kovarian persamaan SUR, maka nilai E(ε ε) = Σ I T = Ω. Esimasi parameer () model SUR dengan meode GS memerlukan invers mariks varian kovarian residual, sehingga diperoleh esimaor ak bias β menggunakan GS yaiu 1 βˆ 1 1 XΩ X XΩ 1 1 X Σ I X XΣ I X Σ IX XΣ I Hasil esimasi parameer digunakan unuk meramalkan menggunakan model GSTAR. Peramalan model GSTAR yaiu 1 (7) p p ( l) ˆ i, T ( l) Φk( k) ΦklW ( k) (8) k1 l1 Time Series Regression Model ime series regression memili beberapa unsur, yaiu unsur ren dengan persamaan 1 (9) yang memiliki pola musiman dapa diuliskan 1M1, M, 1M1, dengan variasi kalender dapa dimodelkan menggunakan regresi linier dengan persamaan 11, 1 1,, 1, (11) 5, 1 6, 7, 1 Sehingga jika daa memiliki unsur ren, musiman dan variasi kalender akan mengikui persamaan M M M 1 1 1,, 1 1, 1 5, 1 1, 6, 7, 1, 1 8 1,, 8 1,, dengan i adalah variabel dummy unuk efek variasi kalender minggu ke- i bulan ke- dengan i =,, dan M m, adalah variabel dummy bulan ke- m dengan m =,,1. Pemilihan Model Terbaik Pemilihan model erbaik dilakukan jika erdapa lebih dari sau model dere waku yang layak dipakai dan berdasarkan pada daa ou sample. Krieria pemilihan model menggunakan Roo Mean Square Error (RMSE), semakin kecil nilai RMSE maka semakin besar kemungkinan suau model ersebu layak dipilih. Formula RMSE diberikan dengan [1] RMSE 1 M M ˆ nl n ( l). l1 Ouflow Uang Pecahan (1) Uang pecahan erdiri aas pecahan uang keras (UK) dan pecahan uang logam (U). Pecahan uang keras erdiri dari pecahan 1 rupiah, rupiah, 5 rupiah, 1 ribu rupiah, ribu rupiah, 5 ribu rupiah, dan 1 ribu ribu rupiah sera pecahan uang logam erdiri dari 5 rupiah, 1 rupiah, rupiah, 5 rupiah, dan 1 rupiah [1]. Ouflow uang rupiah merupakan informasi mengenai banyaknya aliran uang keras dan uang logam yang keluar dari BI kepada perbankan dan masyaraka BI. Ouflow uang rupiah erdiri aas penarikan bank umum, penarikan non-bank, kas keliling dalam rangka penukaran, penarikan dalam rangka kas iipan di bank umum, dan penarikan lainnya.

3 JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-61 III. Sumber METODOOGI PENEITIAN yang digunakan dalam peneliian ini merupakan daa sekunder yang didapa dari Bank Indonesia. yang digunakan merupakan daa uang pecahan 1 ribu rupiah dan ribu rupiah. Pengamaan dilakukan di empa lokasi KPw BI yaiu Surabaya, Kediri, Malang, dan Jember. Periode pengamaan yaiu bulanan dari uari 1 sampai Desember. Variabel Peneliian Variabel yang digunakan dalam peneliian ini i,m (), dengan i = 1,,, merupakan banyaknya lokasi pengamaan, m = menyaakan jenis uang pecahan yang diamai, dan = 1,,, 7 merupakan periode waku pengamaan. Variabel dummy yang digunakan dalam pemodelan ime series regression adalah 1, bulan ke -( -1) hari Raya Idul Firi pada minggu i, 1, lainnya 1, bulan ke - hari Raya Idul Firi pada minggu ke -i i,, lainnya dengan i =,,. angkah Analisis Tahapan analisis yang dilakukan dalam peneliian ini sebagai beriku : 1. Mengidenifikasi pola daa ouflow uang pecahan di empa lokasi pengamaan menggunakan ime series plo.. Membagi daa peneliian menjadi daa in sample yaiu uari 1-Desember 1 dan ou sample yaiu uari- Desember.. Melakukan pemodelan daa ouflow uang pecahan di empa KPw BI Jawa Timur secara univaria menggunakan ime series regression dan mulivaria menggunakan GSTAR.. Menenukan model erbaik berdasarkan nilai RMSE ou sample erkecil. 5. Melakukan peramalan ouflow uang pecahan di empa KPw BI Jawa Timur. IV. ANAISIS DAN PEMBAHASAN Analisis dan pembahasan dalam peneliian ini erdiri aas karakerisik daa ouflow uang pecahan 1 ribu dan ribu, pemodelan ouflow uang pecahan menggunakan GSTAR-SUR dan ime series regression sera menenukan model erbaik. Karakerisik Ouflow Uang pecahan Karakerisik ouflow uang pecahan 1 ribu dan ribu mempunyai karakerisik yang berbeda. Grafik perubahan nilai ouflow uang pecahan 1 ribu dan ribu iap bulan pada empa KPw BI diunjukkan dengan ime series plo ke-i (c) (d) Gambar 1. Time Series Plo Ouflow Uang Pecahan Jenis 1 Ribu Pada (c) KPw Malang dan (d) KPw Jember (anjuan) Gambar 1 menunjukkan bahwa perubahan inggi rendahnya ouflow uang pecahan 1 ribu mempunyai pola yang sama seiap ahunnya pada empa KPw BI, yaiu keika ouflow uang pecahan 1 ribu naik di suau KPw maka KPw yang lain juga akan naik. Perubahan ouflow uang pecahan ribu iap bulan pada empa KPw BI di Jawa Timur diunjukkan oleh Gambar (c) (d) Gambar. Time Series Plo Ouflow Uang Pecahan Jenis Ribu Pada KPw Surabaya, KPw Kediri, (c) KPw Malang, (d) KPw Jember Gambar menunjukkan bahwa perubahan nilai ouflow uang pecahan ribu mempunyai pola yang sama pada empa KPw BI di Jawa Timur. Saa nilai ouflow uang pecahan ribu di suau KPw naik pada bulan erenu, maka nilai ouflow uang pecahan di KPw lain akan naik pada bulan yang sama. Nilai ouflow uang pecahan ribu yang diunjukkan oleh Gambar mengalami kenaikan yang inggi sekiar bulan Hari Raya Idul Firi. Pemodelan Ouflow Uang pecahan Secara Univaria Pola daa ouflow uang pecahan 1 ribu dan ribu mempunyai kenaikan yang inggi saa periode erenu. Berdasarkan Gambar 1 dan Gambar, efek Hari Raya Idul Firi mempengaruhi ingginya ouflow uang pecahan 1 ribu dan ribu, sehingga dimodelkan secara univaria menggunakan ime series regression dengan memasukan efek variasi kalender dan anpa ada variasi kalender. 1) Pemodelan Ouflow Uang Pecahan 1 Ribu Perubahan pola daa ouflow uang pecahan 1 ribu mengalami kenaikan pada periode erenu. Nilai eringgi erjadi saa Hari Raya Idul Firi bulan sebelum bulan Hari Raya Idul Firi ersebu. Nilai eringgi juga erjadi pada bulan erjadinya Naal yang mendekai ahun baru yaiu akhir ahun bulan Desember

4 ramalan akual D-6 JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) Gambar. Hasil Ramalan Ou Sample Ouflow Uang Pecahan 1 Ribu Menggunakan Time Series Regression Efek Variasi Kalender dan Tanpa Efek Variasi Kalender di KPw BI Surabaya Gambar menunjukkan bahwa hasil ramalan ouflow uang pecahan 1 ribu yang diunjukkan oleh warna merah mendekai daa sebenarnya yang diunjukkan oleh warna hijau unuk model ime series regression dengan efek variasi kalender. Hasil ramalan mampu menangkap kejadian Hari Raya Idul Firi yang erjadi pada bulan i dan Naal pada desember sera mampu mengikui pola daa sebenarnya. Unuk hasil ramalan anpa menggunakan efek variasi kalender belum mampu mengikui pola daa sebenarnya. ) Pemodelan Ouflow Uang Pecahan Ribu Pemodelan ouflow uang pecahan ribu menggunakan ime series regression dengan memasukan efek variasi kalender. Variasi kalender yang erjadi pada nilai ouflow uang pecahan ribu yaiu bulan erjadinya Hari Raya Idul Firi dan bulan sebelum erjadinya Hari Raya Idul Firi Forecas Akual Ramalan Akual Gambar. Hasil Ramalan Ou Sample Ouflow Uang Pecahan Ribu Menggunakan Time Series Regression Efek Variasi Kalender dan Tanpa Efek Variasi Kalender di KPw BI Surabaya Gambar menunjukkan bahwa hasil ramalan ouflow uang pecahan ribu yang diunjukkan oleh warna orange mendekai daa sebenarnya unuk model ime series regression menggunakan efek variasi kalender mampu mengikui pola daa sebenarnya dan mampu menangkap kejadian Hari Raya Idul Firi. Hasil ramalan belum mampu mengikui pola daa sebenarnya unuk model ime series regression anpa efek variasi kalender yang diunjukka oleh Gambar. Pemodelan Ouflow Uang pecahan Menggunakan GSTAR Ouflow uang pecahan 1 ribu dan ribu dimodelkan secara mulivaria menggunakan GSTAR-SUR dengan bobo lokasi normalisasi korelasi silang. yang digunakan unuk pemodelan merupakan daa in sample dengan periode uari 1-Desembar 1. 1) Pemodelan Ouflow Uang Pecahan 1 Ribu Tahap awal yang dilakukan dalam melakukan pemodelan ouflow uang pecahan 1 ribu adalah mengevaluasi sasioner daa secara mulivaria menggunakan plo MCCF. Berdasarkan plo MCCF daa ouflow uang pecahan 1 ribu elah sasioner, sehingga idak dilakukan differencing pada daa ersebu. Model yang erbenuk berdasarkan plo MPCCF dan nilai AIC erkecil adalah GSTAR-SUR ([1]). Nilai bobo normalisasi korelasi silang pada lag yaiu,575,1117 W(),755,67,8869, ,681,7,11,77,98,1 ramalan akual Hasil esimasi parameer menunjukkan bahwa model GSTAR-SUR ([ 1 ]) unuk ouflow uang pecahan 1 ribu, dari 8 parameer erdapa parameer yang berpengaruh signifikan karena nila Pvalue kurang dari (,1). Hasil esimasi menggunakan parameer yang signifikan diunjukkan pada Tabel 1. TABE 1. ESTIMASI PARAMETER MODE GSTAR-SUR (1 1 )-I 1 OUTFOW UANG PECAHAN 1 RIBU MENGGUNAKAN PARAMETER SIGNIFIKAN okasi Parameer Esimasi Nilai Pvalue () Surabaya,796 8,9 <,1 1 Kediri Malang (),776 8,1 <,1 1 (),581 6,5 <,1 1 () Jember,199 8,15 <,1 1 Keerangan : Berpengaruh signifikan pada =1% Tabel 1 menunjukkan bahwa semua parameer berpengaruh signifikan pada (,1). Berdasarkan hasil esimasi parameer yang diunjukkan pada Tabel dapa dibenuk persamaan model GSTAR-SUR ([ 1 ]) unuk meramalkan ouflow uang pecahan di KPw Surabaya, KPw Kediri, KPw Malang, dan KPw Jember. a) Model GSTAR-SUR ([ 1 ]) ouflow uang pecahan 1 ribu di KPw Surabaya ),796 ( ) a ( ) ( 1, 1 b) Model GSTAR-SUR ([ 1 ]) ouflow uang pecahan 1 ribu di KPw Kediri,15 ( ),171 ( ),1,996 ( ) a,1 c) Model GSTAR-SUR ([ 1 ]) ouflow uang pecahan 1 ribu di KPw Malang,977 ( ),116 ( ),1195 ( ) a d) Model GSTAR-SUR ([ 1 ]) ouflow uang pecahan 1 ribu di KPw Jember,96 ( ),17 ( ), ( ) a Berdasarkan persamaan model GSTAR-SUR ([ 1 ]) dengan parameer yang signifikan, maka dapa dilakukan peramalan erhadap daa ou sample ouflow uang pecahan 1 ribu di empa KPw periode uari - Desember. Hasil peramalan diunjukkan pada Gambar (c) Surabaya Forecas Malang Forecas,1,1 (d) Gambar 5. Hasil Peramalan Ou Sample Ouflow Uang Pecahan 1 Ribu Menggunakan Parameer Signifikan di KPw Surabaya, Kediri, (c) Malang, dan (d) Jember Kediri Forecas Jember Forecas

5 JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) D-6 Peramalan ouflow uang pecahan 1 Ribu iap KPw BI di Jawa Timur diunjukkan oleh garis puus-puus sedangkan daa sebenarnya diunjukkan oleh garis lurus. Berdasarkan Gambar 5 hasil peramalan memberikan hasil yang cukup jauh dengan daa sebenarnya. Beberapa periode belum bisa diramalkan secara epa. ) Pemodelan Ouflow Uang Pecahan Ribu Plo MCCF menunjukkan adanya pola musiman 1 dan belum sasioner dalam musiman, sehingga dilakukan differencing 1. Plo MPCCF menunjukkan bahwa model yang didapa yaiu GSTAR-SUR (1 1 )-I 1. Bobo yang digunakan yaiu bobo normalisasi korelasi silang pada lag 1 dengan nilai,159,6858,69,786 W,67,6,75,91,757,16,585,171 Hasil esimasi parameer model GSTAR-SUR -I 1 diunjukkan pada Tabel. TABE. ESTIMASI PARAMETER MODE GSTAR-SUR (1 1 )-I 1 OUTFOW UANG PECAHAN RIBU MENGGUNAKAN PARAMETER SIGNIFIKAN okasi Parameer Esimasi Nilai Pvalue Surabaya Kediri Malang -,7887 -,77,81 1,119,8 1 Tidak ada parameer yang signifikan,196 1,9,6 Jembar,96,79,77 1 Keerangan : Berpengaruh signifikan pada =1% Tabel menunjukkan hanya parameer yang berpengaruh signifikan dan di KPw Malang idak ada parameer yang signifikan dengan nilai Pvalue kurang dari (,1), dapa dibenuk persamaan GSTAR-SUR (1 1 )-I 1 unuk meramalkan ouflow uang pecahan ribu di KPw Surabaya, Kediri, Malang, dan Jember. a) Model GSTAR-SUR (1 1 )-I 1 ouflow uang pecahan ribu di KPw Surabaya ( 1),7887 ( 1),7887 ( 1) a b) Model GSTAR-SUR (1 1 )-I 1 ouflow uang pecahan ribu di KPw Kediri ( 1),175 ( 1),175 ( 1),9,969, ( 1),9 ( 1),969, ( 1) ( 1) a c) Model GSTAR-SUR (1 1 )-I 1 ouflow uang pecahan ribu di di KPw Malang ) ( 1) a ( ), (, d) Model GSTAR-SUR (1 1 )-I 1 ouflow uang pecahan ribu di KPw Jember ( 1),196 ( 1),196 ( 1),617,,616, ( 1),61 ( 1),616 ( 1) a ( 1),, ( 1) ( 1) Hasil peramalan daa ou sample unuk persamaan model GSTAR-SUR (1 1 )-I 1 selama uari-desember diunjukkan oleh Gambar. Gambar 6. Hasil Peramalan Ou Sample Ouflow Uang Pecahan Ribu Menggunakan Parameer Signifikan di KPw Surabaya, KPw Kediri, (c) KPw Jember Gambar 6 menunjukkan hasil ramalan daa ou sample ouflow uang pecahan ribu di masing-masing KPw kecuali Malang, yang diunjukkan oleh garis puus-puus. Hasil ramalan cukup jauh dengan daa sebenarnya, erliha dari hasil ramalan yang idak eapa pada periode erenu. Model belum dapa menangkap pola daa sebenarnya. Menenukan Model Terbaik Menenukan hasil ramalan yang baik menggunakan nilai RMSE ou sample erkecil dengan membandingkan anara model univaria dan mulivaria. Model yang dibandingkan yaiu model ime series regression anpa efek variasi kalender dan model GSTAR. Tabel 5 menunjukkan perbandingan nilai RMSE ou sample. TABE. NIAI RMSE OUT SAMPE MODE TIME SERIES REGRESSION TANPA EFEK VARIASI KAENDER DAN MODE GSTAR KPw Time Series Regression 1 ribu Ribu GSTAR Time Series Regression GSTAR Surabaya Kediri Malang Jember Toal Keerangan : Nilai RMSE Ou Sample erkecil Tabel memberikan informasi bahwa model univaria ime series regression anpa variasi kalender lebih baik meramalkan ouflow uang pecahan 1 ribu dibandingkan model mulivaria GSTAR. Unuk ouflow uang pecahan ribu lebih baik diramalkan menggunakan model mulivaria GSTAR, hal ersebu didasarkan pada nilai RMSE ou sample. Dapa dijelaskan bahwa model GSTAR lebih baik meramalkan ouflow uang pecahan ribu, eapi kedua model ersebu belum mampu meramalkan secara epa. Selanjunya dilakukan peramalan erhadap ouflow uang pecahan 1 ribu dan ribu ahun 16 menggunakan GSTAR. Gambar 7. Hasil ramalan Ouflow Uang Pecahan 1 Ribu Tahun 16 di KPw Surabaya

6 D-6 JURNA SAINS DAN SENI ITS Vol. 5 No. (16) 7-5 (1-98X Prin) Gambar 7 menunjukkan bahwa bagian 1 merupakan pola daa in saple, merupakan pola daa ou sample, dan merupakan pola daa ramalan ahun 16. Diunjukkan bahwa hasil ramalan ahun 16 unuk ouflow uang pecahan 1 ribu mengalami ren urun dari periode sebelumnya, hal ini menunjukkan bahwa model GSTAR kurang baik meramalkan ouflow uang pecahan 1 ribu di KPw Surabaya. Gambar 8. Hasil ramalan Ouflow Uang Pecahan Ribu Tahun 16 di KPw Surabaya Gambar 8 menunjukkan bahwa hasil ramalan ahun 16 unuk ouflow uang pecahan ribu yaiu bagian no memiliki pola yang sama dengan periode sebelumnya. Hasil ramalan menunjukkan bahwa ouflow uang pecahan ribu di KPw Surabaya mempunyai jumlah yang inggi pada bulan i 16, dimana bulan ersebu bulan sebelum erjadinya hari Raya Idul Firi yaiu bulan i 16. Model GSTAR cukup mampu meramalkan ouflow uang peacahan ribu pada ahun 16. V. KESIMPUAN DAN SARAN Berdasarkan hasil analisis dan pembahasan dapa disimpulkan bahwa pola perubahan daa ouflow uang pecahan 1 ribu dan ribu iap bulan mempunyai pola yang sama anara empa KPw BI di Jawa Timur. Model Time Series Regression anpa efek variasi kalender lebih baik memodelkan ouflow uang pecahan 1 ribu di empa KPw BI Jawa Timur, sedangkan model GSTAR lebih baik memodelkan ouflow uang pecahan ribu. Peneliian selanjunya disarankan menggunakan GSTARX unuk meramalkan ouflow uang pecahan di KPw BI wilayah Jawa Timur karena erdapa pola variasi kalender pada daa ouflow uang pecahan di Jawa Timur dan hasil ramalan lebih epa meskipun secara univaria. DAFTAR PUSTAKA [1] B. Indonesia, "Bank Indonesia," (). [Online]. Tersedia: hp:// [Diakses 1 ruari 16]. [] E. Jaen, "Radio Republik Indonesia," (1). [Online]. Tersedia: hp:// n_uang_selama_lebaran_di_jawa_imur.hml. [Diakses 8 i 16]. [] A. Karomah and Suharono, "Peramalan Neflow Uang karal dengan Model Variasi Kalender dan Model Auoregressive Disribued ag (ARD)," Sains dan Seni POMITS, vol., pp. 1-18, (1). [] Y. T. Sofia, "Model Pengganda Uang Unuk Menenukan Jumlah Uang Beredar di Indonesia Menggunakan Model ARIMA Komponen," Saisika, vol. 9, pp. 5-, (9). [5] Suharono. and R. M. Aok, "Perbandingan anara Model GSTAR dan VARIMA unuk Peramalan daa Dere Waku dan lokasi," Dipresenasikan pada seminar nasional Saisika, pp. 1-1, (5). [6] B. N. Ruchjana, S. A. Borovkova and H. P. opuhaa, "eas Square Esimaion of Generalized Space Tiem Auoregressive (GSTAR) Model and Is Properies," The 5h Inernaional Conference Research ang Educaion in Mahemaics AIP Conf. Proc. 15, pp. 61-6,. [7] Suharono. and R. M. Aok, Pemilihan Bobo okasi yang Opimal pada Model GSTAR, Semarang: Universias Negeri Semarang, (6). [8] Suharono. dan Subanar., "The Opimal Deerminaion of Space Weigh in GSTAR Model by Using Crosscorrelaion Inference," Mahemaical and Saisical Aplicaion in Variou Field, vol., pp. 5-5, (6). [9] G. E. Box, G. M. Jenkins and G. Reinsel, Time series Analysis Forecasing and Conrol Four Ediion, New Jersey: John Wiley & Sons, Inc, (8). [1] W. W. Wei, Time Series Analysis Univariae and Mulivariae Mehods, Unied Sae of America: Pearson Educaion, (6).