Peramalan Nilai Impor Non‑Migas Indonesia Menggunakan Metode Hybrid Ensemble Empirical Mode Decomposition‑Autoregressive Fractionally Integrated Moving Average (EEMD‑ARFIMA)

Sintia Nur Abdul; Emli Rahmi; La Ode Nashar

doi:10.29303/griya.v6i3.1297

Sintia Nur Abdul Universitas Negeri Gorontalo
Emli Rahmi Universitas Negeri Gorontalo
La Ode Nashar Universitas Negeri Gorontalo

DOI: https://doi.org/10.29303/griya.v6i3.1297

Keywords: non‑oil and gas imports; EEMD; ARFIMA; forecasting; time series

Abstract

Impor non‑migas memiliki peran penting dalam memenuhi kebutuhan domestik yang belum dapat diproduksi di dalam negeri. Selama periode 2013–2022, impor non‑migas Indonesia tercatat mendominasi dengan kontribusi rata‑rata 83,61% per tahun. Namun, karakteristik data impor non‑migas cenderung bersifat non stasioner dan kompleks, sehingga memerlukan teknik analisis yang mampu menguraikan pola data secara lebih mendalam. Ensemble Empirical Mode Decomposition (EEMD) merupakan metode dekomposisi adaptif yang mampu memecah data menjadi beberapa Intrinsic Mode Functions (IMF), sehingga memudahkan proses pemodelan. Selanjutnya, Autoregressive Fractionally Integrated Moving Average (ARFIMA) digunakan untuk memodelkan komponen‑komponen yang memiliki sifat long memory. Penelitian ini bertujuan untuk menerapkan metode hybrid EEMD‑ARFIMA dalam meramalkan nilai impor non‑migas Indonesia, serta membandingkan akurasinya dengan metode ARFIMA tanpa dekomposisi. Data impor non‑migas Indonesia periode Januari 2000 hingga Desember 2023 didekomposisi menggunakan EEMD menjadi tujuh IMF dan satu komponen residu. Setiap komponen kemudian dimodelkan menggunakan ARFIMA, dan hasil peramalannya dijumlahkan untuk memperoleh ramalan akhir nilai impor non‑migas. Hasil penelitian menunjukkan bahwa pendekatan hybrid EEMD‑ARFIMA memberikan kinerja peramalan yang lebih baik dibandingkan model ARFIMA tanpa dekomposisi. Hal ini ditunjukkan oleh nilai MAPE metode EEMD‑ARFIMA sebesar 14,29056, lebih rendah dibandingkan MAPE ARFIMA sebesar 18,97699. Dengan demikian, metode EEMD‑ARFIMA terbukti mampu menangkap dinamika data impor non‑migas secara lebih efektif dan meningkatkan akurasi hasil peramalan.

References

Albab, A. U. (2022). PENGARUH NILAI EKSPOR DAN IMPOR MIGAS DAN NON-MIGAS TERHADAP INFLASI DI INDONESIA. 2, 116–132.

Anita, S. (2017). PERAMALAN NILAI IMPOR INDONESIA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) BERBANTUAN SOFTWARE STATA DAN R. Universitas Negeri Semarang.

Granger, C. W. J., & Joyeux, R. (1980). AN INTRODUCTION TO LONG-MEMORY TIME SERIES MODELS AND FRACTIONAL DIFFERENCING. Journal Of Time Series Analysis.

Herawati, S., & Djunaidy, A. (2014). MENGGUNAKAN GABUNGAN METODE ENSEMBLE EMPIRICAL MODE DECOMPOSITION ( EEMD ) DAN. 4(1), 61–69.

Hosking, L. K., Boyd, P. R., Xu, C. F., Nissum, M., Cantone, K., Purvis, I. J., Khakhar, R., Barnes, M. R., Liberwirth, U., Hagen-Mann, K., Ehm, M. G., & Riley, J. H. (2002). Linkage disequilibrium mapping identifies a 390 kb region associated with CYP2D6 poor drug metabolising activity. The Pharmacogenomics Journal, 2(3), 165–175.

Huang, Shen, Zheng, Long, S. R., U, M. C. W., Shih, H. H., Zheng, Q., Yen, N. i-C., Tung, C. C., & Liu, H. H. (1998). The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis.

Krismawanti, I. A., Martha, S., & Debataraja, N. N. (2019). PEMODELAN AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE (ARFIMA) DALAM MEMPREDIKSI HARGA CRUDE PALM OIL (CPO) Ika Ayu Krismawanti, Shantika Martha, Naomi Nessyana Debataraja INTISARI. 08(4), 721–728.

Kuswantoro, G. R. (2016). Analisis pengaruh pdb riil, cadangan devisa dan nilai tukar rupiah terhadap impor nonmigas di indonesia. 6(2), 166–190.

Nur Rohman, B. A. (2018). Peramalan Nilai Impor Migas di Jawa Timur dengan Menggunakan Metode Arima Box-jenkins.

Sedyaningrum, M. (2016). DAYA BELI MASYARAKAT DI INDONESIA Studi Pada Bank Indonesia Periode Tahun 2006 : IV-2015 : III. 34(1), 114–121.

Siregar, R., Santoso, R., Kartikasari, P., Statistika, D., & Diponegoro, U. (2021). Peramalan indeks harga saham menggunakan ensemble empirical mode decomposition (eemd). 10(1998), 211–220.

Sukirno, S. (2012). Makro Ekonomi Teori Pengantar. Jakarta: PT Raja Grafindo.

Zhang, J., Yan, R., Gao, R. X., & Feng, Z. (2010). Sistem Mekanik dan Pemrosesan Sinyal Peningkatan kinerja dekomposisi mode empiris ansambel. 24, 2104–2123. https://doi.org/10.1016/j.ymssp.2010.03.003