Self-Supervised Pretraining untuk Deret Waktu Multivariat dalam Preadiksi Inflasi dan Nilai Tukar di Indonesia

Abstract

Penelitian ini mengkaji peran self-supervised pretraining pada deret waktu multivariat untuk peramalan inflasi dan nilai tukar di Indonesia. Kedua indikator tersebut memiliki peranan sentral dalam menjaga stabilitas makroekonomi, memengaruhi kebijakan moneter, daya beli masyarakat, serta perencanaan fiskal jangka panjang. Model ekonometrika tradisional seperti ARIMA, VAR, dan VECM telah banyak digunakan, namun sering kali menghadapi keterbatasan dalam menangani dinamika nonlinier, dimensi data yang tinggi, serta keberadaan data yang bising (noisy) atau tidak lengkap. Sebaliknya, self-supervised pretraining menawarkan paradigma baru dengan memanfaatkan data tanpa label dan menghasilkan representasi fitur yang lebih informatif, sehingga meningkatkan kinerja prediksi pada lingkungan yang kompleks.Penelitian ini menggunakan pendekatan Systematic Literature Review (SLR) dengan mengumpulkan berbagai studi dari Google Scholar, DOAJ, dan Scopus, terbatas pada publikasi tahun 2015 hingga 2025. Literatur yang terpilih diseleksi melalui kriteria inklusi dan eksklusi, kemudian dianalisis untuk mensintesis bukti terkait perkembangan metodologis dan aplikasinya. Hasil kajian menunjukkan bahwa metode self-supervised terkini—seperti contrastive learning, masked autoencoders, dan kerangka berbasis transformer—menunjukkan kinerja yang lebih unggul dibandingkan model ekonometrika konvensional maupun pendekatan supervised deep learning. Metode-metode tersebut terbukti efektif dalam menangkap ketergantungan jangka panjang serta mempertahankan ketahanan terhadap gangguan dan kekosongan data. Kajian ini menegaskan bahwa meskipun kemajuan global sangat pesat, penerapannya di Indonesia masih terbatas. Penelitian lanjutan sangat diperlukan untuk mengadaptasi pendekatan self-supervised pada konteks makroekonomi Indonesia, mengintegrasikan aspek interpretabilitas agar relevan terhadap kebijakan, serta mengembangkan kerangka hibrida yang selaras dengan realitas ekonomi nasional