Inflasi sering terasa sederhana di mata masyarakat: harga cabai naik, biaya transportasi meningkat, atau kebutuhan pokok mendadak lebih mahal. Namun, di balik perubahan harga tersebut tersimpan dinamika ekonomi yang rumit dan sulit diprediksi. Penelitian terbaru menunjukkan bahwa memahami pola inflasi bukan hanya soal melihat tren masa lalu, tetapi juga membaca 鈥済elombang ketidakpastian鈥 yang menyertainya.
Inflasi merupakan salah satu indikator utama kesehatan ekonomi suatu negara. Tingkat inflasi yang terlalu tinggi dapat menurunkan daya beli masyarakat, mengganggu stabilitas pasar, hingga memengaruhi pertumbuhan ekonomi jangka panjang. Indonesia sendiri mengalami fluktuasi inflasi yang cukup tajam dalam dua dekade terakhir. Pada November 2005, inflasi pernah menembus 18,38% akibat kebijakan kenaikan harga bahan bakar. Sebaliknya, pada masa pandemi tahun 2020 inflasi turun hingga sekitar 1,32% karena perlambatan ekonomi dan menurunnya aktivitas masyarakat.
Perubahan yang tidak stabil tersebut menimbulkan tantangan besar: bagaimana pemerintah dapat memperkirakan arah inflasi secara lebih akurat? Prediksi yang tepat sangat penting karena menjadi dasar dalam penyusunan kebijakan moneter, penetapan suku bunga, serta strategi ekonomi nasional. Sebuah penelitian berjudul 鈥淔orecasting the Inflation Rate in Indonesia Using ARIMA-GARCH Model鈥 mencoba menjawab tantangan tersebut. Penelitian ini menggunakan data inflasi bulanan Indonesia dari September 2004 hingga Agustus 2024 yang diperoleh dari Bank Indonesia. Berbeda dari pendekatan statistika konvensional, penelitian ini menggabungkan dua model sekaligus, yaitu ARIMA dan GARCH.
Model ARIMA selama ini dikenal cukup efektif dalam membaca pola data berdasarkan perilaku masa lalu. Secara sederhana, ARIMA bekerja dengan melihat tren dan hubungan antarperiode sebelumnya untuk memperkirakan kondisi berikutnya. Namun, model ini memiliki keterbatasan. Inflasi bukan sekadar data yang bergerak naik atau turun secara teratur. Ada fase ketika perubahan berlangsung tenang, lalu tiba-tiba muncul lonjakan besar akibat krisis ekonomi, kebijakan pemerintah, atau gejolak global. Di sinilah model GARCH berperan. GARCH dirancang untuk menangkap volatilitas atau tingkat ketidakstabilan data. Jika ARIMA berfungsi membaca arah perjalanan kendaraan, GARCH membantu memperkirakan seberapa bergelombang jalan yang akan dilalui.
Hasil penelitian menunjukkan bahwa model terbaik yang diperoleh adalah kombinasi ARIMA (0,1,1)-GARCH (2,0). Model ini menghasilkan tingkat kesalahan prediksi (MAPE) sebesar 2,73% pada data pelatihan dan 18,95% pada data pengujian. Dalam standar evaluasi peramalan, nilai tersebut masih tergolong memiliki akurasi yang baik.
Temuan menarik lainnya adalah kemampuan model gabungan tersebut dalam menangkap gejolak ekonomi. Ketika terjadi 鈥渒ejutan鈥 ekonomi, dampaknya tidak hanya dirasakan pada periode saat itu saja, tetapi juga memengaruhi inflasi pada periode-periode berikutnya. Artinya, ketidakstabilan ekonomi memiliki efek lanjutan yang perlu dipertimbangkan dalam proses pengambilan kebijakan.
Penelitian ini juga memperlihatkan bahwa pendekatan statistika modern tidak lagi sekadar menghitung angka, tetapi mulai berperan sebagai alat bantu pengambilan keputusan. Pemerintah dapat memanfaatkan prediksi yang lebih akurat untuk mengantisipasi risiko inflasi sebelum dampaknya dirasakan masyarakat secara luas.
Meski demikian, penelitian ini mengakui masih adanya keterbatasan. Prediksi inflasi dalam model tersebut hanya menggunakan data historis inflasi tanpa memasukkan faktor eksternal seperti nilai tukar, suku bunga, harga energi, atau kondisi geopolitik global. Padahal berbagai faktor tersebut sering kali memengaruhi naik turunnya inflasi secara signifikan. Di masa depan, penggabungan metode kecerdasan buatan seperti Long Short-Term Memory (LSTM) atau model berbasis machine learning diperkirakan dapat meningkatkan ketepatan prediksi.
Inflasi bukan sekadar angka statistik yang muncul setiap bulan. Ia merupakan cerminan dinamika ekonomi yang memengaruhi kehidupan masyarakat sehari-hari. Penelitian ini menunjukkan bahwa kombinasi ARIMA-GARCH mampu membaca pola dan gejolak inflasi Indonesia dengan lebih baik dibandingkan pendekatan konvensional. Di tengah ekonomi global yang semakin tidak pasti, kemampuan memprediksi arah inflasi menjadi langkah penting agar kebijakan ekonomi tidak hanya bereaksi terhadap masalah, tetapi juga mampu mengantisipasi masa depan.
Penulis: Toha Saifudin
Detail penelitian bisa dilihat di:
Saifudin, T., Suliyanto, Afifa, F.N., Arrofah, A.D., Fauzi, D.M., Pratama, F.Y., and Adyatama, I.Y. Forecasting the Inflation Rate in Indonesia Using ARIMA-GARCH Model. BAREKENG: Journal of Mathematics and Its Applications, Vol. 20(2) 0955-0970, 2026.
