PENERAPAN PANEL VECTOR ERROR CORRECTION MODEL UNTUK MEMODELKAN HUBUNGAN ANTARA SUKU BUNGA DAN INFLASI DI ASIA-PACIFIC ECONOMIC COOPERATION

Latar Belakang. Analisis runtun waktu umumnya melibatkan variabel yang saling berinteraksi dan terdiri atas lebih dari satu cross-section serta memerlukan asumsi stasioneritas. Keterbatasan tersebut dapat diakomodasi menggunakan panel vector error correction model (PVECM). Parameter PVECM dapat diduga menggunakan pooled-fully modified ordinary least squares (pooled-FMOLS) untuk jangka panjang dan pooled least squares (PLS) untuk jangka pendek. Namun, keduanya memiliki keterbatasan pada data panel heterogen karena pooled-FMOLS mengasumsikan homogenitas cross-section, sedangkan PLS tidak mengakomodasi unobserved effect. Oleh karena itu, penelitian ini menerapkan PVECM menggunakan mean group-FMOLS untuk mengakomodasi heterogenitas cross-section dan within-group untuk mengakomodasi unobserved effect. Tujuan. Penelitian ini bertujuan untuk memperoleh PVECM suku bunga dan inflasi serta mengetahui hubungan antara kedua variabel. Metode. Data suku bunga dan inflasi inti 14 anggota Asia-Pacific Economic Cooperation periode Januari 2021-September 2025 dianalisis melalui pengujian stasioneritas, penentuan lag optimum, pengujian kointegrasi, pengujian homogenitas koefisien, pendugaan dan uji signifikansi parameter, pengujian diagnostik residual, koreksi matriks varians-kovarians, serta pengujian akurasi model. Hasil. Hasil pengujian menunjukkan data suku bunga dan inflasi sebelum differencing bersifat non-stasioner, namun stasioner pada first difference dan terdapat hubungan kointegrasi. Pemilihan lag optimal menggunakan SIC menunjukkan bahwa model optimal pada lag 3, sehingga pemodelan dilakukan menggunakan PVECM(2). Kesimpulan. Hasil menunjukkan inflasi berpengaruh positif terhadap suku bunga dalam jangka panjang dengan suku bunga yang mengoreksi penyimpangan jangka panjang, sedangkan pada jangka pendek suku bunga berpengaruh positif terhadap inflasi. Pemodelan suku bunga dan inflasi yang menghasilkan nilai MAPE masing-masing sebesar 10.0402% dan 10.9530% menunjukkan akurasi yang baik.