Inflasi merupakan suatu kenaikan harga barang atau jasa secara menyeluruh dan berkelanjutan, yang menyebabkan menurunya nilai tukar rupiah dan berpengaruh terhadap daya beli bahan baku atau industri di mana bahan tersebut diimpor. Hal ini tentunya dapat menjadi ancaman dan ditandai dengan fenomena keuangan yang menggambarkan pertumbuhan keuangan yang berlebihan dan tidak stabil. Usaha yang bisa diperoleh dalam menangani masalah tersebut adalah prakiraan inflasi di Indonesia. Penelitian ini bertujuan untuk mendapatkan model prakiraan inflasi bulanan di Indonesia dan mengetahui kapan harus menaikkan prakiraan tersebut berupa upaya adaptasi untuk menstabilkan inflasi. Data yang dipergunakan merupakan data inflasi bulanan periode Januari 2003 sampai November 2020. Metode yang dipergunakan dalam penelitian ini yaitu model SARIMA yang merupakan evolusi dari model ARIMA yang dapat disesuaikan dengan model data inflasi musiman. Berdasarkan hasil pengolahan, didapatkan model terbaik dengan nilai AIC terendah, SARIMA (1,0,1)(1,1,1) 12 dengan nilai sebesar MAPE 5.19%. Hasil prediksi menunjukkan bahwa dalam beberapa bulan kedepan akan terjadi peningkatan tingkat inflasi sesuai model yang telah dibuat. Berdasarkan hal tersebut, penelitian ini diharapkan menjadi acuan bagi pemerintah dalam menentukan langkah antisipasi terjadinya permasalahan pada bidang perekonomian.

Kemiskinan merupakan salah satu  permasalahan global yang terjadi di semua negara berkembang termasuk negara Indonesia. Pengentasan kemiskinanan menjadi prioritas utama dalam tujuan pembangunan berkelanjutan atau Sustainable Development Goals (SDGs), dimana pengentasan kemiskinan menjadi tujuan pertama yang ingin dicapai.  Kemiskinana juga menjadi salahsatu permasalahan yang menjadi isu salahsatu isu strategis RPJMD tahun 2018-2023 yang menjadi pusat perhatian pemerintah khususnya di Provinsi Jawa Barat yang merupakan provinsi dengan jumlah penduduk terbanyak di Indonesia. Pada penelitian ini akan dilakukan analisis faktor-faktor yang mempengaruhi kemiskinan di Provinsi Jawa Barat. Data kemiskinan tiap-tiap kabupaten/kota memiliki tingkat yang berbeda -beda, sehingga terdapat kemungkinan adanya efek spasial dalam data. Maka pemodelan harus mengakomodasi aspek spasial kemudian terbatasnya variabel yang dilibatkan karena keterbatasan data tentunya menimbulkan oomited variabel atau varaiebel yang relevan namun tidak ada dalam model maka digunakan pendekatan fixed effect model dalam mengatasi masalah tersebut. Sehingga pemodelan yang digunakan adalah Spatial Autoregressive Fixed Effact model ( SAR-FEM). Hasil penelitian ini didapatkan bahwa Variabel Tingkat pengangguran terbuka, Indkes pembangunan Manusia dan persentase penduduk berpengaruh signifikan terhadap Tingginya tingkat kemiskina di Provinsi Jawa Barat. Model spatial lag fixed effect yang terbentuk dapat menjelaskan besarnya keragaman dari Tingkat Kemiskinan yang dapat dijelaskan oleh variabel prediktor sebesar 98.88% sedangkan 1.116% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan kedalam model.

Permasalahan yang ada di setiap negara khususnya negara berkembang termasuk Indonesia adalah kemiskinan. Program dalam mengentaskan kemiskinan merupakan pokok tujuan dari Sustainable Development Goals (SDGs). Jawa Barat yang merupakan salah satu provinsi dengan jumlah penduduk miskin terbanyak perlu mengatasi permasalah tersebut seperti yang tertuang dalam RPJMD. Dalam hal ini pemerintah seringkali menentukan pembangunan dengan memprioritaskan pembangunan ekonomi pada daerah perkotaan ataupun pusat perekonomian yang mengakibatkan daerah lainnya tertinggal dan kemiskinan menjadi tidak merata. Hal tersebut tentunya memperlihatkan faktor yang berhubungan dengan ekonomi diduga terdapat aspek spasial sehingga harus menggunakan spasial lag variabel prediktor sebagai prediktor variabel, selain itu kemiskinan merupakan masalah multidimensial sehingga banyak faktor yang mempengaruhi tingkat kemiskinan tidak dimasukkan ke dalam pemodelan. Variabel prediktor yang tidak dimasukkan ke dalam pemodelan dinamakan omitted variables. Berdasarkan permasalahan itu, dalam mengetahui faktor-faktor kemiskinan di Jawa Barat diperlukan suatu pendekatan yang mampu mengakomodasi lag spasial prediktor variabel dan error model yang berkorelasi spasial, serta mampu mengatasi bias taksiran akibat omitted variables. Maka dalam penelitian ini dilakukan pendekatan model regresi spasial Durbin Error Model. Pembobot spasial yang digunakan yaitu queen contiguity. Berdasarkan penelitian ini didapatkan bahwa variabel Indeks Pembanguna Manusia (IPM) dan persentase penduduk berpengaruh terhadap tingkat kemiskinan di Provinisi Jawa Barat, dengan nilai R-Square sebesar 98%. Maka hasil tersebut diharapkan dapat menjadi pertimbangan bagi pemerintah Jawa Barat untuk menanggulangi masalah kemiskinan dalam upaya mencapai tujuan pertama SDGs yaitu tanpa kemiskinan.

Indeks harga saham merupakan indikator penting dalam mencerminkan keseluruhan pergerakan harga saham dalam suatu periode. Indeks ini tentunya memiliki fungsi sebagai indikator trend pasar, yang menggambarkan kondisi pasar pada saat tertentu. Indeks saham merupakan hal yang sangat penting sebagai tolak ukur kinerja pasar modal dan produk investasi. Oleh karena itu, penelitian ini akan memfokuskan peramalan pada indeks harga saham PT Verena Multi Finance Tbk yang merupakan perusahaan yang bergerak di bidang pembiayaan konsumen. Masih kurangnya keakuratan metode peramalan yang digunakan sebelumnya menjadi latar belakang dari penelitian ini untuk mendapatkan prediksi indeks harga saham PT Verena Multi Finance Tbk periode bulanan dengan metode yang memiliki keakuratan yang lebih tinggi. Data yang digunakan adalah data sekunder yang diperoleh dari yahoofinance.com periode Januari 2009 sampai dengan Desember 2019. Metode yang digunakan pada penelitian ini merupakan model ARIMA, yaitu salah satu metode yang digunakan untuk peramalan data deret waktu. Berdasarkan pengolahan data, diperoleh model terbaik dengan nilai AIC terkecil yaitu ARIMA(0,1,1). Metode yang selanjutnya digunakan yaitu model ARCH-GARCH yang merupakan metode yang digunakan dalam peramalan data yang memiliki masalah heteroskedastisitas tanpa menghilangkan heteroskedastisitas tersebut. Berdasarkan hasil analisis yang diperoleh dengan peramalan ARCH-GARCH, didapatkan nilai indeks harga saham pada bulan Desember 2021 adalah sebesar 102.4 dengan MAPE sebesar 22.9971%. Dengan melakukan penelitian ini, diharapkan dapat ditemukan model terbaik untuk meramalkan indeks harga saham PT Verena Multi Finance Tbk pada waktu-waktu berikutnya agar dapat menjadi tolak ukur kinerja pasar modal dan produk investasi serta rujukan yang dapat dipercaya untuk melihat kondisi bursa saham pada saat ini. Kata kunci :  Indeks harga saham, peramalan, ARIMA, ARCH-GARCH.

Data harga saham historis adalah rangkuman tren harga saham individual emiten. Penelitian ini membahas tentang prediksi data historis saham Tokai Carbon, dengan 60 data mulai dari Januari 2016 sampai Desember 2020. Tujuan penelitian ini adalah untuk memodelkan data historis saham Tokai Carbon melalui model ARCH/GARCH. Model GARCH (0, 1) adalah model yang paling Tepat untuk memprediksi harga saham Tokai Carbon pada penelitian ini. Nilai MAPE menunjukkan persentase yang rendah yakni sebesar 4,949972% yang mengindikasikan metode ARCH/GARCH sangat baik dalam memprediksi harga saham Tokai Carbon. Pembentukan model dilakukan untuk memprediksi data saham Tokai Carbon untuk 7 bulan ke depan, yakni mulai Januari 2021 hingga Juli 2021.