Text

Pemodelan Autoregressive Distributed Lag Untuk Memprediksi Nilai Impor Non-Migas di Indonesia

---

International Monetary Fund memberikan peringatan terhadap negara-negara di
dunia tentang resesi ekonomi global tahun 2023. Resesi bukan tantangan yang
mudah sehingga diperlukan upaya dari pembuat kebijakan untuk mencegah
terjadinya resesi. Indikator terjadinya resesi dapat dilihat dari neraca pembayaran
yang mengalami defisit karena disebabkan laju peningkatan impor lebih besar dari
ekspor. Komoditas impor dibagi menjadi dua, yaitu migas dan non migas. Nilai
impor tertinggi dipegang oleh komoditas non migas selama satu dekade terakhir.
Faktor-faktor yang mempengaruhi impor antara lain yaitu nilai tukar (kurs), harga
barang, dan pendapatan konsumen. Perdagangan internasional seperti impor
memerlukan alat pembayaran dan nilai tukar dalam transaksinya. Harga barang atau
jasa yang cenderung naik dalam kurun waktu tertentu disebut dengan inflasi.
Pendapatan konsumen suatu daerah dapat dilihat berdasarkan nilai Produk
Domestik Bruto (PDB). Kegiatan impor memerlukan kajian yang tepat untuk
membuat kebijakan sehingga diperlukan penelitian terkait impor. Salah satu metode
yang dapat digunakan adalah metode Autoregressive Distributed Lag (ARDL).
Penelitian ini bertujuan untuk memprediksi dan menganalisis faktor-faktor yang
memengaruhi tinggi rendahnya nilai impor non migas dengan metode ARDL.
ARDL merupakan model regresi yang variabel bebasnya terdiri dari nilai variabel
bebas saat ini dan masa lalu serta nilai masa lalu dari variabel terikatnya. Data yang
digunakan untuk studi kasus dalam penelitian ini adalah data dalam bentuk triwulan
dari triwulan pertama tahun 2008 sampai dengan triwulan keempat tahun 2022.
Model yang terbentuk adalah ARDL(3,2,2,1). Variabel impor non migas saat ini
dipengaruhi secara positif oleh nilai impor non migas lag satu, tiga, dan empat, serta
nilai tukar pada lag tiga dan dipengaruhi secara negatif oleh nilai impor non migas
dan nilai tukar pada lag dua. Hasil akurasi peramalan nilai impor non migas dengan
sMAPE menghasilkan nilai sebesar 12,12% yang berarti peramalan akurat.
Kata Kunci: Impor, Non Migas, ARDL, Peramalan, sMAPE

---

Ketersediaan

1093E2023

1093 E 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1093 E 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Rania Sukmana

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar