Foto bersama para peserta Focus Group Discussion (FGD) bertema Review Penggunaan Kalman Filter dalam Rangka Mendukung Pembayaran Kewajiban Hutang yang bertempat di Ruang Sidang Departemen Matematika ITS

Kampus ITS, ITS News – Direktorat Jenderal Pengelolaan dan Pembiayaan Risiko (DJPPR) Kementerian Keuangan (Kemenkeu) Republik Indonesia (RI) bersama Departemen Matematika Institut Teknologi Sepuluh Nopember (ITS) Surabaya menggelar Focus Group Discussion (FGD). Adapun tujuan FGD ini yakni membahas mengenai penggunaan model Kalman Filter dalam memprediksi risiko hutang negara.

Kepala Subdirektorat Pengembangan Pengelolaan Pembiayaan Kemenkeu RI, Ihda Muktiyanto SE MSc menuturkan, salah satu tugas DJPPR adalah mengelola risiko utang pemerintah. Ihda, sapaan akrabnya pun menyampaikan, risiko hutang sendiri dipengaruhi oleh tiga hal yaitu, tingkat suku bunga, nilai tukar, dan risiko ketika jatuh tempo. “Tingkat suku buka inilah yang sekarang sedang kita bangun modelnya untuk memprediksi tingkat suku bunga dan risiko utang ke depannya,” ujarnya.

Saat ini, model tingkat suku bunga yang dibangun DJPPR menggunakan metode statistic least square (Kuadrat terkecil, red). Dari model tersebut, Ihda dan tim ingin mengevaluasi apakah least square merupakan metode yang paling baik atau bukan untuk diterapkan. “Dari FGD ini kami mendapat banyak masukan terkait model yang sedang kita bangun. Dari beberapa masukan tersebut akan kami evaluasi kembali dan yang memberikan hasil paling bagus nantinya akan diterapkan untuk membantu tugas kami di Kemenkeu,” ungkapnya saat ditemui seusai acara, Jumat (11/2) lalu.

Prof Dr Erna Apriliani SSi MSi saat menjelaskan mengenai model Kalman Filter dalam Focus Group Discussion (FGD) bertema Review Penggunaan Kalman Filter dalam Rangka Mendukung Pembayaran Kewajiban Hutang

Sementara itu, Prof Dr Erna Apriliani SSi MSi, selaku pemateri dari Departemen Matematika ITS menyampaikan, untuk memprediksi tingkat suku bunga atau dalam hal ini disebut yield (imbal hasil, red) digunakan suatu model matematika yang di dalamnya diperlukan beberapa parameter. Erna, biasa ia dipanggil, juga mengatakan bahwa dari metode statistic least square, masih ada parameter yang belum bisa diprediksi. “Solusi untuk memprediksi parameter yang belum diketahui itu dapat diperkirakan menggunakan metode Kalman Filter,” terangnya.

Akan tetapi, lanjutnya, metode Kalman Filter hanya bisa diterapkan untuk data bulanan saja. Sedangkan data yang diestimasi oleh DJPPR adalah tahunan. Maka dari itu, ia pun menyarankan beberapa alternatif modifikasi Kalman Filter salah satunya menggunakan statistic forecasting. Statistic forecasting ini mampu memprediksi yield dengan rentang waktu yang relatif lama. “Hasil dari modifikasi Kalman Filter ini menunjukan estimasi yield dengan nilai error yang lebih kecil sehingga model tersebut dapat memberikan hasil prediksi yang lebih akurat,” jelasnya.

FGD ini merupakan tindak lanjut dari beberapa kegiatan bersama antara Departemen Matematika ITS dengan DJPPR Kemenkeu RI yang telah terjalin kurang lebih selama tiga tahun. Dimulai dari pelatihan yang dilakukan oleh Dr Dieky Adzkiya SSi MSi, dosen Departemen Matematika ITS kepada DJPPR. Pelatihan tersebut mengulas tentang Matrix Laboratory (Matlab) atau yang lebih dikenal dengan bahasa pemrograman guna membangun model tingkat suku bunga. (jun/owi)

Penyerahan kenang-kenangan dari Kepala Subdirektorat Pengembangan Pengelolaan Pembiayaan Kemenkeu RI, Ihda Muktiyanto SE MSc kepada Kepala Departemen Matematika ITS, Dr Imam Mukhlash SSi MT