Perumusan Masalah Analisis Fluktuasi Harga Komoditas Pangan dan Pengaruhnya terhadap Inflasi di Jawa Barat

harga komoditas non bahan bakar dapat dijadikan sebagai dasar memperkirakan inflasi Indeks Harga Konsumen IHK. Kenaikan harga komoditas non bahan bakar mempengaruhi peningkatan inflasi Indeks Harga Konsumen IHK.

2.4 Metode Peramalan

Time Series Pada metode peramalan deret waktu time series, pendugaan masa depan dilakukan berdasarkan nilai masa lalu dari suatu variabel. Sasaran metode time series adalah mengidentifikasi pola data historis dan mengekstrapolasi pola ini untuk masa mendatang. Dalam model time series nilai suatu variabel di masa mendatang mengikuti pola data variabel tersebut pada waktu sebelumnya Bowerman dan O’Coneell 2007. Menurut Hanke 2005 faktor utama yang mempengaruhi pemilihan teknik peramalan time series adalah identifikasi dan pemahaman tentang pola sejarah dalam data. Jika pola tren, siklus, atau musiman sudah diketahui, maka teknik peramalan dapat dipilih. Teknik-teknik tersebut yaitu: 1. Teknik Peramalan untuk Data Stationer Teknik yang dapat dipertimbangkan untuk melakukan peramalan pada data stasioner adalah metode naif, metode rata-rata sederhana, rata-rata bergerak, pemulusan eksponensial linier Holt sederhana, dan model rata-rata terintegrasi bergerak autoregresif ARIMA atau metode Box-Jenkins. 2. Teknik Peramalan untuk Data dengan Kecenderungan trend Teknik yang dapat dipertimbangkan untuk melakukan peramalan pada data trend adalah rata-rata bergerak, pemulusan eksponensial linier Holt, regresi linier sederhana, kurva pertumbuhan, model eksponensial, dan model rata-rata terintegrasi bergerak autoregresif ARIMA atau metode Box-Jenkins. 3. Teknik Peramalan untuk Data Musiman Teknik yang dapat dipertimbangkan untuk melakukan peramalan pada data musiman terdiri dari dekomposisi klasik, sensus X-12, pemulusan eksponensial Winter, regresi berganda, dan model ARIMA. 4. Teknik Peramalan untu Data Siklik Teknik yang dapat dipertimbangkan untuk melakukan peramalan pada data siklik adalah dekomposisi klasik, indikator ekonomi, model ekonometrik, regresi berganda, dan model ARIMA. Berdasarkan uraian di atas, Autoregressive Integrated Moving Average ARIMA adalah teknik yang dapat dipertimbangkan pada semua jenis pola data. Model ARIMA memanfaatkan sepenuhnya data masa lalu dan data sekarang untuk menghasilkan peramalan jangka pendek yang akurat. Model ARIMA mensyaratkan pola data yang stasioner. Apabila data tidak stasioner maka dapat dilakukan diferensiasi yaitu untuk mentransformasi data asli menjadi data stasioner. Alasan utama penggunaan model ARIMA karena gerakan variabel- variabel ekonomi yang diteliti seperti pergerakan nilai tukar, harga saham dan inflasi, seringkali sulit dijelaskan oleh teori-teori ekonomi Widarjono 2009. Dengan mempertimbangkan hal tersebut, maka untuk menganalisis kecenderungan harga komoditas pangan di masa mendatang akan digunakan metode peramalan time series menggunakan model ARIMA.

2.5 Penelitian Terdahulu

Prastowo et al. 2008 melakukan penelitian mengenai pengaruh distribusi dalam pembentukan harga komoditas dan implikasinya terhadap inflasi. Pada penelitian tersebut disimpulkan bahwa komoditas pangan volatile foods mempunyai peranan yang penting karena sumbangannya yang cukup signifikan dalam pembentukan inflasi. Tekanan gejolak harga kelompok volatile foods lebih dipicu oleh supply shocks, mengingat permintaan komoditas tersebut yang umumnya merupakan kebutuhan pokok cenderung stabil. Sumber supply shock tersebut umumnya terkait dengan kelangkaan pasokan karena siklus produksi, gangguan cuaca atau musim, serangan hama penyakit, dan gangguan distribusi. Metode yang digunakan adalah model ekonometrika regresi linier berganda. Adapun persamaan dengan penelitian ini adalah kesamaan topik yaitu harga komoditas pangan dan implikasinya terhadap inflasi. Sedangkan perbedaanya penelitian ini lebih memfokuskan terhadap distribusi pangan dari komoditas yang diteliti, yaitu beras, minyak goreng, gula pasir, daging sapi, dan cabe merah. Arjakusuma 2009 melakukan penelitian mengenai analisis inflasi regional di Indonesia dengan menggunakan metode VAR Vector Autoregression. Penelitian tersebut bertujuan menganalisis dampak dari perubahan harga minyak dan beras dunia terhadap Indeks Harga Konsumen IHK masing-masing kota di Indonesia. Hasil penelitian menunjukkan bahwa guncangan harga beras paling mempengaruhi tingkat inflasi di regional Indonesia secara keseluruhan. Terdapat kesamaan tujuan dengan penelitian ini yaitu menganalisis dampak dari perubahan harga terhadap IHK menggunakan metode VAR. Sedangkan perbedaannya adalah penelitian ini hanya menganalisis satu harga komoditas pangan, yaitu beras. Sementara itu, penelitian pengaruh sektor komoditi beras terhadap inflasi bahan makanan dilakukan oleh Widiarsih 2012. Penelitian ini bertujuan menganalisis dampak harga dasar gabah yang ditetapkan oleh pemerintah, jumlah impor beras, dan jumlah produksi beras nasional terhadap stabilitas ekonomi makro yang diinterpretasikan dengan inflasi bahan makanan. Hasil penelitian menunjukkan bahwa variabel harga dasar gabah berpengaruh signifikan terhadap inflasi bahan makanan baik dalam jangka panjang maupun jangka pendek. Penelitian ini menggunakan metode Error Corection Model ECM. Terdapat kesamaan dengan salah satu tujuan penelitian ini, yaitu menganalisis dampak harga pangan terhadap inflasi. Namun terdapat perbedaan yaitu harga pangan yang digunakan adalah harga di tingkat produsen. Selain itu dampaknya dilihat terhadap inflasi bahan bakan makanan, bukan inflasi umum. Pada penelitian sebelumnya, sudah cukup banyak peneliti yang melakukan peramalan terhadap harga pangan dengan menggunakan metode ARIMA Autoregressive Integrated Moving Average. Namun pada penelitian sebelumnya, kebanyakan peramalan hanya dibatasi pada satu komoditas pangan. Zacky 2007 melakukan peramalan harga beras IR II tingkat konsumen di beberapa kota besar di Jawa dan Bali. Hasil penelitian menunjukkan bahwa identifikasi pola data secara keseluruhan untuk lima kota besar yang dianalisis memiliki kecenderungan trend yang meningkat. Untuk peramalannya, perbandingan nilai MSE dari beberapa teknik peramalan time series memberikan alternatif pilihan teknik terbaik, yaitu : teknik ARIMA untuk Kota Yogyakarta dan Denpasar; teknik