BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang diperoleh berdasarkan analisis dan pembahasan pada bab sebelumnya adalah sebagai berikut. 1. Bobot lokasi yang digunakan dalam membentuk model GSTAR adalah bobot lokasi seragam, bobot lokasi inverse jarak dan bobot lokasi berdasarkan hasil normalisasi korelasi silang. Penentuan bobot lokasi ini berdasarkan pada keterkaitan antar lokasi yang dilihat dari bentuk hubungan yang berbeda. Model terbaik yang dihasilkan oleh masing-masing bobot lokasi adalah model GSTARX(1 1 ) I(1). Model ini menjelaskan hubungan antar waktu dan lokasi pada data IHK 4 kota di Jawa Timur pada orde waktu, orde spasial dan derajat integrasi 1 dengan penambahan variabel dummy untuk menjelaskan efek kenaikan harga BBM terhadap perubahan harga di masingmasing kota. Model GSTARX(1 1 ) I(1) masing-masing kota yang dihasilkan dari 3 bobot lokasi yang berbeda adalah sebagai berikut. a. Bobot lokasi seragam Kota Surabaya Z ( t) = 0.5631 + Z ( t 1) + 5.7469 X + e ( t) 1 1 1 1 Kota Malang Z ( t) = 0.5185 + 0.1574 Z ( t 1) 0.1574 Z ( t 2) + 0.6246 Z ( t 1) + 2 1 1 2 Kota Kediri 0.3754 Z ( t 2) + 0.1574 Z ( t 1) 0.1574 Z ( t 2) + 2 3 3 0.1574 Z ( t 1) 0.1574 Z ( t 2) + 5.9276 X + e ( t) 4 4 2 2 Z ( t) = 0.5597 + Z ( t 1) + 8.4803 X + e ( t) 3 3 3 3 Kabupaten Jember Z ( t) = 0.4958 + 1.1632 Z ( t 1) 0.1632 Z ( t 2) + 6.1987 X + e ( t) 4 4 4 4 4
b. Bobot lokasi inverse jarak Kota Surabaya Z ( t) = 0.5631 + Z ( t 1) + 5.7469 X + e ( t) 1 1 1 1 Kota Malang Z ( t) = 0.5196 + 0.1762 Z ( t 1) 0.1762 Z ( t 2) + 0.6372 Z ( t 1) + 2 1 1 2 Kota Kediri 0.3628 Z ( t 2) + 0.1695 Z ( t 1) 0.1695 Z ( t 2) + 2 3 3 0.1140 Z ( t 1) 0.1140 Z ( t 2) + 5.9401 X + e ( t) 4 4 2 2 Z ( t) = 0.5597 + Z ( t 1) + 8.4803 X + e ( t) 3 3 3 3 Kabupaten Jember Z ( t) = 0.4958 + 1.1632 Z ( t 1) 0.1632 Z ( t 2) + 6.1987 X + e ( t) 4 4 4 4 4 c. Bobot lokasi normalisasi korelasi silang Kota Surabaya Z ( t) = 0.5631 + Z ( t 1) + 5.7781 X + e ( t) 1 1 1 1 Kota Malang Z ( t) = 0.5132 + 0.1798 Z ( t 1) 0.1798 Z ( t 2) + 0.6038 Z ( t 1) + 2 1 1 2 Kota Kediri 0.3962 Z ( t 2) + 0.1395 Z ( t 1) 0.1395 Z ( t 2) + 2 3 3 0.1819 Z ( t 1) 0.1819 Z ( t 2) + 5.9268 X + e ( t) 4 4 2 2 Z ( t) = 0.5597 + Z ( t 1) + 8.4320 X + e ( t) 3 3 3 3 Kabupaten Jember Z ( t) = 0.3614 + 1.39 Z ( t 1) 0.39 Z ( t 2) + 6.1450 X + e ( t) 4 4 4 4 4 2. Hasil perbandingan ketepatan ramalan melalui kriteria nilai MSE terkecil pada model GSTARX(1 1 ) I(1) dari masingmasing bobot lokasi menunjukkan bahwa model GSTARX(1 1 ) I(1) terbaik adalah model yang dihasilkan dengan bobot lokasi normalisasi korelasi silang. Model terbaik menjelaskan bahwa : IHK di Kota Surabaya pada bulan ke-t berkaitan dengan IHK Kota Surabaya pada bulan ke-(t-1) dan tren kenaikan IHK tiap bulan sebesar 0.5631. Efek kenaikan harga BBM
terhadap kenaikan harga di Kota Surabaya adalah sebesar 5.7781. IHK di Kota Malang pada bulan ke-t berkaitan dengan IHK Kota Malang, IHK Kota Surabaya, IHK Kota Kediri, IHK Kabupaten Jember pada bulan ke-(t-1) dan bulan ke- (t-2) serta tren kenaikan IHK tiap bulan sebesar 0.5132. Efek kenaikan harga BBM terhadap kenaikan harga di Kota Malang adalah sebesar 5.9268. IHK di Kota Kediri pada bulan ke-t berkaitan dengan IHK Kota Kediri pada bulan ke-(t-1) dan tren kenaikan IHK tiap bulan sebesar 0.5597. Efek kenaikan harga BBM terhadap kenaikan harga di Kota Kediri adalah sebesar 8.432. IHK di Kabupaten Jember pada bulan ke-t berkaitan dengan IHK Kabupaten Jember pada bulan ke-(t-1) dan bulan ke-(t-2) serta tren kenaikan IHK tiap bulan sebesar 0.3614. Efek kenaikan harga BBM terhadap kenaikan harga di Kabupaten Jember adalah sebesar 6.145. 3. Hasil peramalan IHK menggunakan model GSTARX (1 1 ) I(1) dengan bobot lokasi normalisasi korelasi silang menunjukkan bahwa IHK di Kota Surabaya, Kota Malang, Kota Kediri dan Kabupaten Jember akan terus mengalami kenaikan hingga akhir tahun 2009. 5.2 Saran Pada Penelitian selanjutnya, peneliti menyarankan untuk membandingkan akurasi ramalan model GSTARX dengan modelmodel spasial time series yang lain. Selain itu, kajian lebih lanjut berkaitan dengan penambahan variabel prediktor lain terhadap model GSTAR untuk data IHK di Jawa Timur juga dapat dilakukan.
Halaman ini sengaja dikosongkan
DAFTAR PUSTAKA Atok R.M., dan Suhartono, (2006), Penentuan bobot lokasi yang optimal pada model GSTAR dengan menggunakan inferensia korelasi silang, Prosiding Konferensi Nasional Matematika, UNNES, Semarang. BPS (2007), Indeks Harga Konsumen 4 Kota di Jawa Timur, BPS Propinsi Jawa Timur. Borovkova, S., H.P. Lopuhaä dan B.N. Ruchjana (2008), Consistency and asymtotic normality of least squares estimators in generalized STAR models, Journal compilation of Statistica Neerlandica, vol 62, nr 4, pp. 482-508. Cryer, J.D. (1986), Time Series Analysis, Publishing Company, Boston. Gujarati, D. (2004), Basic Econometrics, 4 th ed, McGraw-Hill, New York. Larson, W.E. (2006). A spatial analysis of price change in the housing component of the consumer price index, U.S Bureau of Labor Statistics, Washington D.C. http://www.bls.gov/ osmr/ pdf/st060230.pdf. 21 April 2009, 07.07 WIB. Lesage, J.P (1999), The Theory and Practice of Spatial Econometrics, Department of Economics, University of Toledo. Mankiw, N.G. (2000), Teori Makro Ekonomi, edisi keempat, Penerbit Erlangga, Jakarta. Pfeifer, P.E dan S.J Deutch (1980a), A three stage iterative procedure for space-time modelling, Technometrics, Vol. 22, No 1, hal 35 47.
Pfeifer, P.E dan S.J Deutch (1980b), Identification and interpretation of first order space-time ARMA models, Technometrics, Vol. 22, No 1, hal 397 408. Rosidi, A., Riduan dan Sugiharto (2005), Metode Pengukuran Inflasi di Indonesia, Badan Pusat Statistik, Jakarta. Ruchjana, B.N. (2002), Suatu Model Generalisasi Space-Time Autoregresi dan Penerapannya pada Produksi Minyak Bumi, http://digilib.math.itb.ac.id/go.php?id=jbptitbmath-gdl-s3-002-budinurani-1023. 19 Maret 2009, 09.45 WIB. Suhartono (2005), Penerapan dan perbandingan model state-space dengan model space-time STAR untuk peramalan data deret waktu dan lokasi, Laporan Penelitian, LEMLIT-ITS, Surabaya. Suhartono, dan R.M. Atok, (2005), Perbandingan antara model GSTAR dan VARIMA untuk peramalan data deret waktu dan lokasi, Makalah Seminar Nasional Jurusan Statistika, FMIPA ITS, Surabaya. Suhartono, dan R.M. Atok, (2006), Pemilihan bobot lokasi yang optimal pada model GSTAR, Prosiding Konferensi Nasional Matematika, UNNES, Semarang, hal 571 580. Wei, W.W.S. (2006), Time Series Analysis Univariate and Multivariate Methods, Addison Wesley Publishing Company, Inc. Canada.
BIODATA PENULIS Penulis dilahirkan di Nganjuk, pada tanggal 22 Maret 1984, merupakan anak pertama dari tiga bersaudara. Menempuh pendidikan formal dari TK sampai SLTP di Nganjuk dan melanjutkan ke SMU Negeri 2 Kediri. Tahun 2002, penulis diterima di program studi D3 Jurusan Statistika. Selama kurun waktu 3 tahun, penulis aktif sebagai pengurus HIMASTA dengan jabatan terakhir Kepala Departemen PSDM. Selain itu, penulis juga tergabung dalam tim pemandu Latihan Keterampilan Manajemen Mahasiswa Tingkat Menengah (LKMM- TM) ITS. Setelah lulus pada tahun 2005, penulis bekerja di berbagai bidang, mulai dari office staff hingga tergabung dalam berbagai proyek yang melibatkan pemerintah propinsi maupun pihak asing. Tahun 2007, penulis melanjutkan pendidikan ke jenjang S1 di Jurusan Statistika ITS. Setelah proses mendalami jati diri yang panjang, penulis lebih mengidentifikasi diri sebagai seorang istri dan ibu dari keluarga yang luar biasa untuk membangun generasi yang lebih berkualitas. Komunikasi dengan penulis dapat dilakukan melalui email au2_daff@yahoo.com