ABSTRAK
AGUS WAHYULI. Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi,
Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi. Di bawah bimbingan I MADE SUMERTAJAYA dan SUTIJASTOTO.
Permintaan akan konsumsi minyak bumi yang terus meningkat sejalan dengan laju pertumbuhan ekonomi dan pertambahan penduduk tanpa diimbangi dengan peningkatan kapasitas produksi kilang minyak Indonesia, menimbulkan masalah bagi para pengambil kebijakan disisi pemerintah. Data tentang
minyak bumi yang up to date beserta beberapa metode peramalan menjadi kebutuhan utama bagi
pemerintah.
Metode peramalan untuk data deret waktu produksi, konsumsi, ekspor, impor, dan harga minyak bumi dapat dilakukan dengan teknik peramalan model deret waktu tunggal dan dapat juga dilakukan secara bersamaan (simultan). VAR (Vector Autoregressive) merupakan model peramalan multivariate
yang digunakan untuk menyusun sistem peramalan dari data deret waktu yang saling terkait dan untuk menganalisis efek dinamis dari keberadaan faktor acak yang mengganggu sistem tersebut.
Adanya hubungan keterkaitan dan pengaruh timbal balik antara produksi, konsumsi, ekspor, impor, dan harga minyak bumi menyebabkan analisis model VAR layak untuk digunakan. Kelima peubah tersebut bersifat stasioner baik dalam ragam maupun dalam rataan setelah dilakukan transformasi logaritma dan pembedaan satu kali untuk semua peubah. Berdasarkan perhitungan nilai AIC, diperoleh ordo yang signifikan untuk model VAR adalah satu (p=1). Dengan menggunakan uji johansen didapatkan rank kointegrasi sebesar empat, yang berarti model VAR standar tidak bisa langsung digunakan. Model yang bisa merepresentasikan adanya kointegrasi adalah model VECM (Vector Error Correction Model). Karena didapatkan ordo satu dan rank kointegrasi empat untuk model, maka model lengkapnya adalah model VECM ordo satu dengan rank kointegrasi empat. Berdasarkan nilai MAPE untuk model VECM dan ARIMA untuk semua peubah, didapatkan hasil bahwa peramalan produksi, impor, dan harga untuk model VECM lebih akurat bila dibandingkan dengan model ARIMA (peramalan individual). Hal ini terjadi karena nilai MAPE VECM untuk ketiga peubah tersebut lebih kecil dibandingkan nilai MAPE ARIMA. Akan tetapi untuk kasus konsumsi dan ekspor minyak bumi berlaku hal sebaliknya, dalam arti model ARIMA lebih akurat dibandingkan model VECM.
ANALISIS VAR (
VECTOR AUTOREGRESSIVE
)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul
:
Analisis VAR (V
ector Autoregressive
) untuk Mekanisme Pemodelan
Produksi, Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi
Nama : Agus
Wahyuli
NRP :
G14103035
Menyetujui :
Pembimbing I,
Dr. Ir. I Made Sumertajaya, M.Si
NIP. 132 085 916
Pembimbing II,
Ir. Sutijastoto, M.A
NIP. 100 009 381
Mengetahui,
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS
NIP. 131 473 999
ANALISIS VAR (
VECTOR AUTOREGRESSIVE
)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRAK
AGUS WAHYULI. Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi,
Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi. Di bawah bimbingan I MADE SUMERTAJAYA dan SUTIJASTOTO.
Permintaan akan konsumsi minyak bumi yang terus meningkat sejalan dengan laju pertumbuhan ekonomi dan pertambahan penduduk tanpa diimbangi dengan peningkatan kapasitas produksi kilang minyak Indonesia, menimbulkan masalah bagi para pengambil kebijakan disisi pemerintah. Data tentang
minyak bumi yang up to date beserta beberapa metode peramalan menjadi kebutuhan utama bagi
pemerintah.
Metode peramalan untuk data deret waktu produksi, konsumsi, ekspor, impor, dan harga minyak bumi dapat dilakukan dengan teknik peramalan model deret waktu tunggal dan dapat juga dilakukan secara bersamaan (simultan). VAR (Vector Autoregressive) merupakan model peramalan multivariate
yang digunakan untuk menyusun sistem peramalan dari data deret waktu yang saling terkait dan untuk menganalisis efek dinamis dari keberadaan faktor acak yang mengganggu sistem tersebut.
Adanya hubungan keterkaitan dan pengaruh timbal balik antara produksi, konsumsi, ekspor, impor, dan harga minyak bumi menyebabkan analisis model VAR layak untuk digunakan. Kelima peubah tersebut bersifat stasioner baik dalam ragam maupun dalam rataan setelah dilakukan transformasi logaritma dan pembedaan satu kali untuk semua peubah. Berdasarkan perhitungan nilai AIC, diperoleh ordo yang signifikan untuk model VAR adalah satu (p=1). Dengan menggunakan uji johansen didapatkan rank kointegrasi sebesar empat, yang berarti model VAR standar tidak bisa langsung digunakan. Model yang bisa merepresentasikan adanya kointegrasi adalah model VECM (Vector Error Correction Model). Karena didapatkan ordo satu dan rank kointegrasi empat untuk model, maka model lengkapnya adalah model VECM ordo satu dengan rank kointegrasi empat. Berdasarkan nilai MAPE untuk model VECM dan ARIMA untuk semua peubah, didapatkan hasil bahwa peramalan produksi, impor, dan harga untuk model VECM lebih akurat bila dibandingkan dengan model ARIMA (peramalan individual). Hal ini terjadi karena nilai MAPE VECM untuk ketiga peubah tersebut lebih kecil dibandingkan nilai MAPE ARIMA. Akan tetapi untuk kasus konsumsi dan ekspor minyak bumi berlaku hal sebaliknya, dalam arti model ARIMA lebih akurat dibandingkan model VECM.
Agus Wahyuli, dilahirkan di Rembang pada tanggal 30 Juli 1985 sebagai anak pertama dari satu orang saudara kandung, putera dari pasangan Bapak Listari Widodo dan Ibu Rasmi.
Pendidikan formal penulis dari SD sampai dengan SMU diselesaikan di Rembang. Pada tahun 1997 penulis menamatkan pendidikan SD di SDN 1 Seren, kemudian melanjutkan studi ke SLTPN 2 Sulang dan lulus tahun 2000. Tahun 2003 penulis menamatkan pendidikan di SMUN 1 Rembang, dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) pada Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama menjadi mahasiswa di IPB, penulis aktif dalam kegiatan BEM TPB IPB 2003 (Badan Eksekutif Mahasiswa Tingkat Persiapan Bersama) sebagai staff pada Departemen Sosial Politik dan Keorganisasian periode 2003/2004. Penulis juga aktif dalam kegiatan HIMPRO GSB (Gamma Sigma Beta) sebagai ketua Departemen Kajian Strategis dan Sekretaris Umum tahun 2004 sampai 2005. Pada bulan Februari sampai April 2007 penulis melaksanakan praktik lapang di PT. Capricorn MARS Indotama.
Alhamdulillahi rabbil’alamin. Puji Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT atas limpahan rahmat karunia-Nya sehingga penulis dapat menyelesaikan penulisan karya ilmiah ini. Dan tidak lupa, shalawat serta salam semoga tercurahkan kepada Rasulullah Muhammad SAW, kepada keluarganya, sahabatnya dan pengikut-pengikutnya yang senantiasa berjuang di jalan ALLAH. Tema
yang dipilih dalam penelitian ini adalah analisis VAR (Vector Autoregressive) untuk mekanisme
pemodelan produksi, konsumsi, ekspor, impor, dan harga minyak bumi.
Banyak ilmu dan pelajaran yang penulis dapatkan dan rasakan dalam penyusunan karya ilmiah ini, sehingga pada kesempatan ini penulis menyampaikan banyak terima kasih kepada semua pihak yang telah membantu. Ucapan terima kasih ini diantaranya ditujukan kepada :
1. Bapak Dr. Ir. I Made Sumertajaya, M.Si selaku pembimbing I atas segala bimbingan, waktu,
kesabaran dan masukan-masukannya selama menyelesaikan karya ilmiah ini.
2. Bapak Ir. Sutijastoto, M.A dari Pusdatin Departemen Energi Sumber Daya Mineral (DESDM)
selaku pembimbing II atas segala bimbingan, data, waktu, dan saran-sarannya selama menyelesaikan karya ilmiah ini.
3. Seluruh dosen Departemen Statistika atas segala ilmu yang bermanfaat.
4. Teristimewa kupersembahkan karya kecil ini untuk kedua orang tuaku yang selalu memberikan semangat, kasih sayang yang tiada henti, doa yang tiada putus, dan pengertian kepada ananda. 5. Arie Dwi, terima kasih banyak untuk semuanya hingga penulis sampai pada tahap ini. Terima
kasih untuk doanya, dukungan yang selalu diberikan tiap hari, motivasi dan semangat yang selalu penulis butuhkan, dan waktu yang sangat berharga bagi penulis.
6. Mbak Nia dan Mas Nunung dari Pusdatin DESDM atas waktu, tumpangan tempatnya, dan
bantuannya selama ini. Terimakasih juga pada Mbak Etna serta seluruh staff Pusdatin DESDM yang tidak dapat disebutkan satu per satu.
7. Tagor, terima kasih banyak untuk empat tahun ini. Kau adalah teman yang sangat baik.
8. Lala, Ema, Rara. Terima kasih untuk bantuannya pada waktu penulis seminar. Kalian adalah
seksi konsumsi yang sangat cerdas.
9. Teman-teman STK 40. Terima kasih untuk kebersamaannya selama empat tahun ini. Penulis
tidak akan melupakan saat-saat bersama kalian. Semoga kesuksesan selalu bersama kita.
10. Bu Markonah, Bu Sulis, Bu Dedeh, Mang Dur, Pak Iyan, Mang Herman, Pak Heri atas segala
bantuan yang diberikan selama ini.
11. Teman-teman “BATOSAI”. Terima kasih semuanya.
12. Adik-adik kelas STK 41 dan STK 42.
13. Semua pihak yang tidak memungkinkan untuk disebutkan satu per satu.
Semoga semua amal baik, bantuan, dan keikhlasan yang telah diberikan kepada penulis mendapat balasan dari Allah SWT. Dan semoga karya ilmiah ini bermanfaat.
Bogor, September 2007
DAFTAR ISI
Halaman
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... ix
DAFTAR LAMPIRAN ... x
PENDAHULUAN Latar belakang ... 1
Tujuan Penelitian ... 1
TINJAUAN PUSTAKA Minyak Bumi ... 1
Model ARIMA ... 2
Kestasioneran Data ... 2
Korelasi Diri (Autocorrelation) dan Korelasi Diri Parsial (Partial Autocorrelation) ... 2
Identifikasi Model ARIMA ... 3
Pendugaan Parameter Model ARIMA ... 3
Ketepatan Metode Pearamalan... 3
Vector Autoregressive (VAR) ... 3
Penentuan Panjang Lag ... 4
Statistik Uji Kelayakan Model VAR ... 4
Cholesky Decomposition (Variance Decomposition) ... 4
Impulse Response Function (IRF) ... 4
Vector Error Correction Model (VECM) ... 5
Kointegrasi ... 5
Model VECM ... 5
BAHAN DAN METODE Bahan Penelitian ... 5
Metode Penelitian ... 6
HASIL DAN PEMBAHASAN Eksplorasi Data ... 6
Proses atau Fase Pembentukan Model... 7
Model ARIMA ... 7
Produksi ... 7
1. Pemeriksaan Kestasioneran Data ... 7
2. Identifikasi Model ... 8
3. Overfitting dan Pendugaan Parameter ... 8
4. Diagnostik atau Uji Kelayakan Model ... 8
Konsumsi ... 9
1. Pemeriksaan Kestasioneran Data ... 9
2. Identifikasi Model ... 9
3. Overfitting dan Pendugaan Parameter ... 9
4. Diagnostik atau Uji Kelayakan Model ... 9
Ekspor ... 9
1. Pemeriksaan Kestasioneran Data ... 10
2. Identifikasi Model ... 10
3. Overfitting dan Pendugaan Parameter ... 10
4. Diagnostik atau Uji Kelayakan Model ... 10
Impor ... 10
1. Pemeriksaan Kestasioneran Data ... 11
2. Identifikasi Model ... 11
3. Overfitting dan Pendugaan Parameter ... 11
Harga ... 11
1. Pemeriksaan Kestasioneran Data ... 11
2. Identifikasi Model ... 12
3. Overfitting dan Pendugaan Parameter ... 12
4. Diagnostik atau Uji Kelayakan Model ... 12
Model VAR ... 12
1. Pemeriksaan Kestasioneran Data ... 12
2. Penentuan Panjang Lag atau Ordo VAR ... 12
3. Uji Kointegrasi ... 13
4. Pendugaan Model ... 13
5. Uji Kelayakan Model VECM ... 14
Interpretasi Model ... 14
Model ARIMA ... 14
Produksi ... 14
Konsumsi ... 14
Ekspor ... 14
Harga ... 14
Impor ... 14
Model VAR / VECM ... 14
1. Cholesky Decomposition atau Dekomposisi Ragam ... 14
2. Impulse Response Function (IRF) ... 15
Aplikasi atau Penerapan Model VAR dan ARIMA ... 15
KESIMPULAN DAN SARAN Kesimpulan... 18
Saran ... 18
DAFTAR PUSTAKA ... 18
DAFTAR TABEL
Halaman
1 Uji Augmented Dickey Fuller untuk kestasioneran ... 8
2 Hasil perhitungan ordo VAR ... 13
3 Uji johansen kointegrasi ... 13
DAFTAR GAMBAR
Halaman 1 Plot data aktual produksi minyak bumi Indonesia ... 62 Plot data aktual konsumsi minyak bumi untuk kebutuhan kilang domestik Indonesia ... 6
3 Plot data aktual ekspor minyak bumi Indonesia ... 7
4 Plot data aktual impor minyak bumi Indonesia ... 7
DAFTAR LAMPIRAN
Halaman
1 Plot ACF dan PACF data awal produksi ... 20
2 Plot ACF dan PACF data awal logaritma produksi ... 20
3 Plot ACF dan PACF logaritma produksi setelah 1 kali differencing ... 20
4 Kandidat model ARIMA produksi ... 20
5 Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,1) ... 21
6 Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,2) ... 21
7 Plot autokorelasi sisaan produksi untuk model ARIMA (1,1,0) ... 21
8 Plot data awal logaritma produksi ... 21
9 Plot logaritma produksi setelah 1 kali differencing ... 22
10 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,1) ... 22
11 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,2) ... 22
12 Histogram kenormalan sisaan produksi untuk model ARIMA (1,1,0) ... 23
13 Plot ACF dan PACF data awal konsumsi ... 23
14 Plot ACF dan PACF data awal logaritma konsumsi ... 23
15 Plot ACF dan PACF logaritma konsumsi setelah 1 kali differencing ... 24
16 Kandidat model ARIMA konsumsi ... 24
17 Plot autokorelasi sisaan konsumsi untuk model (0,1,1) ... 24
18 Plot autokorelasi konsumsi utuk model (2,1,0) ... 24
19 Plot autokorelasi konsumsi utuk model ARIMA (1,1,0) ... 25
20 Plot autokorelasi konsumsi utuk model (2,1,1) ... 25
21 Plot data awal logaritma konsumsi ... 25
22 Plot logaritma konsumsi setelah 1 kali differencing ... 25
23 Histogram kenormalan sisaan konsumsi untuk model ARIMA (0,1,1) ... 26
24 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,0) ... 26
25 Histogram kenormalan sisaan konsumsi untuk model ARIMA (1,1,0) ... 26
26 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,1) ... 27
27 Plot ACF dan PACF data awal Ekspor ... 27
28 Plot ACF dan PACF data awal logaritma ekspor ... 27
29 Plot ACF dan PACF logaritma ekspor setelah 1 kali differencing ... 28
30 Kandidat model ARIMA Ekspor ... 28
31 Plot autokorelasi sisaan ekspor untuk model ARIMA (0,1,1) ... 28
32 Plot autokorelasi sisaan ekspor untuk model ARIMA (1,1,0) ... 28
33 Plot autokorelasi sisaan ekspor untuk model ARIMA (2,1,0) ... 29
34 Plot data awal logaritma ekspor ... 29
35 Plot logaritma ekspor setelah 1 kali differencing ... 29
36 Histogram kenormalan sisaan ekspor untuk model ARIMA (0,1,1) ... 30
37 Histogram kenormalan sisaan ekspor untuk model ARIMA (1,1,0) ... 30
38 Histogram kenormalan sisaan ekspor untuk model ARIMA (2,1,0) ... 30
39 Plot ACF dan PACF data awal impor ... 31
40 Plot ACF dan PACF data awal logaritma impor ... 31
41 Plot ACF dan PACF logaritma impor setelah 1 kali differencing ... 31
42 Kandidat model ARIMA impor ... 31
43 Plot autokorelasi sisaan impor untuk model ARIMA (0,1,1) ... 32
44 Plot autokorelasi sisaan impor untuk model ARIMA (0,1,2) ... 32
45 Plot autokorelasi sisaan impor untuk model ARIMA (1,1,0) ... 32
46 Plot autokorelasi sisaan impor untuk model ARIMA (2,1,0) ... 32
47 Plot data awal logaritma impor ... 33
48 Plot logaritma impor setelah 1 kali differencing ... 33
49 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,1) ... 33
50 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,2) ... 33
51 Histogram kenormalan sisaan impor untuk model ARIMA (1,1,0) ... 34
52 Histogram kenormalan sisaan impor untuk model ARIMA (2,1,0) ... 34
53 Plot ACF dan PACF data awal harga ... 35
55 Plot ACF dan PACF logaritma harga setelah 1 kali differencing ... 35
56 Kandidat model ARIMA harga ... 35
57 Plot autokorelasi sisaan harga untuk model ARIMA (0,1,1) ... 36
58 Plot autokorelasi sisaan harga untuk model ARIMA (1,1,0) ... 36
59 Plot autokorelasi sisaan harga untuk model ARIMA (2,1,0) ... 36
60 Plot data awal logaritma harga ... 36
61 Plot logaritma harga setelah 1 kali differencing ... 37
62 Histogram kenormalan sisaan harga untuk model ARIMA (0,1,1) ... 37
63 Histogram kenormalan sisaan harga untuk model ARIMA (1,1,0) ... 37
64 Histogram kenormalan sisaan harga untuk model ARIMA (2,1,0) ... 38
65 Hasil pendugaan model VAR ordo 1 ... 38
66 Hasil pendugaan model VECM ordo 1 dengan rank kointegrasi 4 ... 39
67 Uji portmanteau kebaikan model VECM ... 40
68(a) Dekomposisi ragam produksi ... 40
68(b) Dekomposisi ragam konsumsi ... 41
68(c) Dekomposisi ragam ekspor... 41
68(d) Dekomposisi ragam impor ... 41
68(e) Dekomposisi ragam harga ... 42
69(a) Respon impuls produksi ... 42
69(b) Respon impuls konsumsi ... 42
69(c) Respon impuls ekspor ... 43
69(d) Respon impuls impor ... 43
69(e) Respon impuls harga ... 43
70 Grafik fungsi respons impuls ... 44
71(a) Hasil peramalan VECM dan ARIMA periode Januari – September 2006 ... 45
20 Lampiran 1 Plot ACF dan PACF data awal
produksi
Lampiran 3 Plot ACF dan PACF logaritma produksi setelah 1 kali differencing
Lampiran 2 Plot ACF dan PACF data awal logaritma produksi
Lampiran 4 Kandidat model ARIMA produksi
No
Model
ARIMA Koefisien Nilai-
p AIC 1 (0,1,1) MA(1) 0.0000 -5.4143
Konstanta 0.0251
2 (2,1,0) AR(1) 0.0000 -5.4473
AR(2) 0.0660
Konstanta 0.1320
3 (0,1,2) MA(1) 0.0000 -5.4629
MA(2) 0.0023
Konstanta 0.2237
4 (0,1,3) MA(1) 0.0000 -5.4338
MA(2) 0.0261
MA(3) 0.8070
Konstanta 0.2261
5 (1,1,0) AR(1) 0.0000 -5.4287
Konstanta 0.2731
6 (3,1,0) AR(1) 0.0000 -5.4311
AR(2) 0.1208
AR(3) 0.7845
Konstanta 0.0869
7 (2,1,1) AR(1) 0.6684 -5.5436
AR(2) 0.0288
MA(1) 0.0000
21 Lampiran 5 Plot autokorelasi sisaan produksi
untuk model ARIMA (0,1,1)
Lampiran 7 Plot autokorelasi sisaan produksi untuk model ARIMA (1,1,0)
Lampiran 6 Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,2)
Lampiran 8 Plot data awal logaritma produksi
7.44 7.48 7.52 7.56 7.60 7.64 7.68
2000 2001 2002 2003 2004 2005
22 Lampiran 9 Plot logaritma produksi setelah 1
kali differencing
-.06 -.04 -.02 .00 .02 .04 .06
2000 2001 2002 2003 2004 2005
PRODUKSI_
Lampiran 10 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,1)
0 4 8 12 16 20
-0.04 -0.02 0.00 0.02
Series: Residuals Sample 2000:02 2005:12 Observations 71
Mean -1.22E-05 Median 0.004488 Maximum 0.029830 Minimum -0.048049 Std. Dev. 0.015810 Skewness -0.894692 Kurtosis 3.977813
Jarque-Bera 12.30079 Probability 0.002133
Lampiran 11 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,2)
0 2 4 6 8 10 12
-0.10 -0.05 0.00 0.05 0.10
Series: Residuals Sample 2000:02 2005:12 Observations 71
Mean -0.002645 Median -0.001627 Maximum 0.094280 Minimum -0.117161 Std. Dev. 0.039567 Skewness -0.230644 Kurtosis 3.406454
Jarque-Bera 1.118222 Probability 0.571717
23 Lampiran 12 Histogram kenormalan sisaan produksi untuk model ARIMA (1,1,0)
0 1 2 3 4 5 6 7 8
-0.050 -0.025 0.000 0.025
Series: Residuals Sample 2000:03 2005:12 Observations 70
Mean -1.31E-16 Median 0.003208 Maximum 0.023964 Minimum -0.048979 Std. Dev. 0.015691 Skewness -1.188953 Kurtosis 4.512965
Jarque-Bera 23.16855 Probability 0.000009
Lampiran 13 Plot ACF dan PACF data awal konsumsi
24 Lampiran 15 Plot ACF dan PACF logaritma
konsumsi setelah 1 kali differencing
Lampiran 17 Plot autokorelasi sisaan konsumsi untuk model ARIMA (0,1,1)
Lampiran 16 Kandidat model ARIMA konsumsi
No
Model
ARIMA Koefisien Nilai-
p AIC
1 (0,1,1) MA(1) 0.0000 -3.5260
Konstanta 0.0101
2 (2,1,0) AR(1) 0.0007 -3.3973
AR(2) 0.0042
Konstanta 0.6183
3 (0,1,2) MA(1) 0.0000 -3.5468
MA(2) 0.0679
Konstanta 0.0139
4 (1,1,0) AR(1) 0.0059 -3.2985
Konstanta 0.8191
5 (3,1,0) AR(1) 0.0007 -3.3979
AR(2) 0.0014
AR(3) 0.2327
Konstanta 0.6522
6 (2,1,1) AR(1) 0.0000 -3.3962
AR(2) 0.0011
MA(1) 0.0000
Konstanta 0.7736
25 Lampiran 19 Plot autokorelasi sisaan
konsumsi utuk model ARIMA (1,1,0)
Lampiran 21 Plot data awal logaritma konsumsi
7.15 7.20 7.25 7.30 7.35 7.40 7.45
2000 2001 2002 2003 2004 2005
KONSUMSILOG
Lampiran 20 Plot autokorelasi sisaan konsumsi utuk model ARIMA (2,1,1)
Lampiran 22 Plot logaritma konsumsi setelah 1 kali differencing
-.15 -.10 -.05 .00 .05 .10
2000 2001 2002 2003 2004 2005
KONSUMSI_
26 Lampiran 23 Histogram kenormalan sisaan konsumsi untuk model ARIMA (0,1,1)
0 1 2 3 4 5 6 7 8 9
-0.10 -0.05 0.00 0.05 0.10
Series: Residuals Sample 2000:02 2005:12 Observations 71
Mean -0.000955 Median 0.002471 Maximum 0.098024 Minimum -0.115473 Std. Dev. 0.040627 Skewness -0.332045 Kurtosis 3.366988
Jarque-Bera 1.703101 Probability 0.426753
Lampiran 24 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,0)
0 2 4 6 8 10 12
-0.15 -0.10 -0.05 0.00 0.05 0.10
Series: Residuals Sample 2000:04 2005:12 Observations 69
Mean 3.37E-16 Median 0.008193 Maximum 0.100141 Minimum -0.140393 Std. Dev. 0.042690 Skewness -0.558496 Kurtosis 3.994916
Jarque-Bera 6.432894 Probability 0.040097
Lampiran 25 Histogram kenormalan sisaan konsumsi untuk model ARIMA (1,1,0)
0 2 4 6 8 10
-0.15 -0.10 -0.05 0.00 0.05
Series: Residuals Sample 2000:03 2005:12 Observations 70
Mean 7.46E-17 Median 0.002438 Maximum 0.075385 Minimum -0.141690 Std. Dev. 0.045523 Skewness -0.716448 Kurtosis 3.911267
27 Lampiran 26 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,1)
0 2 4 6 8 10
-0.15 -0.10 -0.05 0.00 0.05
Series: Residuals Sample 2000:04 2005:12 Observations 69
Mean -6.44E-05 Median 0.000228 Maximum 0.083816 Minimum -0.142245 Std. Dev. 0.042101 Skewness -0.928256 Kurtosis 4.758686
Jarque-Bera 18.80139 Probability 0.000083
Lampiran 27 Plot ACF dan PACF data awal ekspor
28 Lampiran 29 Plot ACF dan PACF logaritma
ekspor setelah 1 kali differencing
Lampiran 31 Plot autokorelasi sisaan ekspor untuk model ARIMA (0,1,1)
Lampiran 30 Kandidat model ARIMA ekspor
No
Model
ARIMA Koefisien Nilai-
p AIC
1 (0,1,1) MA(1) 0.0000 -1.4035
Konstanta 0.0082
2 (2,1,0) AR(1) 0.0000 -0.9302
AR(2) 0.0250
Konstanta 0.7800
3 (0,1,2) MA(1) 0.0000 -1.3667
MA(2) 0.1920
Konstanta 0.0228
4 (1,1,0) AR(1) 0.0000 -0.8976
Konstanta 0.8234
5 (3,1,0) AR(1) 0.0000 -0.9383
AR(2) 0.0042
AR(3) 0.0671
Konstanta 0.7214
6 (2,1,0) AR(1) 0.5013 -1.1104
AR(2) 0.3328
MA(1) 0.0000
Konstanta 0.0061
29 Lampiran 33 Plot autokorelasi sisaan ekspor
untuk model ARIMA (2,1,0)
Lampiran 35 Plot logaritma ekspor setelah 1 kali differencing
-1.0 -0.5 0.0 0.5 1.0
2000 2001 2002 2003 2004 2005
EKSPOR_
Lampiran 34 Plot data awal logaritma ekspor
6.2 6.4 6.6 6.8 7.0 7.2 7.4 7.6
2000 2001 2002 2003 2004 2005
EKSPORLOG
Periode
30 Lampiran 36 Histogram kenormalan sisaan ekspor untuk model ARIMA (0,1,1)
0 5 10 15 20 25 30
-0.8 -0.6 -0.4 -0.2 0.0 0.2
Series: Residuals Sample 2000:02 2005:12 Observations 71
Mean -0.004128 Median 0.010950 Maximum 0.166275 Minimum -0.852477 Std. Dev. 0.117371 Skewness -5.342430 Kurtosis 39.77934
Jarque-Bera 4339.537 Probability 0.000000
Lampiran 37 Histogram kenormalan sisaan ekspor untuk model ARIMA (1,1,0)
0 4 8 12 16 20 24
-0.75 -0.50 -0.25 0.00 0.25 0.50
Series: Residuals Sample 2000:03 2005:12 Observations 70
Mean -1.84E-10 Median -0.004420 Maximum 0.522922 Minimum -0.878712 Std. Dev. 0.151209 Skewness -1.923268 Kurtosis 20.05314
Jarque-Bera 891.3493 Probability 0.000000
Lampiran 38 Histogram kenormalan sisaan ekspor untuk model ARIMA (2,1,0)
0 4 8 12 16 20 24
-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4
Series: Residuals Sample 2000:04 2005:12 Observations 69
Mean -5.64E-15 Median -0.006228 Maximum 0.401781 Minimum -0.896845 Std. Dev. 0.146576 Skewness -2.858206 Kurtosis 22.46330
31 Lampiran 39 Plot ACF dan PACF data awal
impor
Lampiran 41 Plot ACF dan PACF logaritma impor setelah 1 kali differencing
Lampiran 40 Plot ACF dan PACF data awal logaritma impor
Lampiran 42 Kandidat model ARIMA impor
No
Model
ARIMA Koefisien Nilai-
p AIC
1 (0,1,1) MA(1) 0.0000 -1.7309
Konstanta 0.6472
2 (2,1,0) AR(1) 0.0000 -1.8564
AR(2) 0.0352
Konstanta 0.9015
3 (0,1,2) MA(1) 0.0000 -1.7612
MA(2) 0.0335
Konstanta 0.8008
4 (0,1,3) MA(1) 0.0000 -1.7634
MA(2) 0.0123
MA(3) 0.0874
Konstanta 0.6514
5 (1,1,0) AR(1) 0.0000 -1.7695
Konstanta 0.7705
6 (3,1,0) AR(1) 0.0000 -1.8141
AR(2) 0.1732
AR(3) 0.6688
Konstanta 0.9104
7 (2,1,1) AR(1) 0.0115 -1.8295
AR(2) 0.1354
MA(1) 0.7085
32 Lampiran 43 Plot autokorelasi sisaan impor
untuk model ARIMA (0,1,1)
Lampiran 45 Plot autokorelasi sisaan impor untuk model ARIMA (1,1,0)
Lampiran 44 Plot autokorelasi sisaan impor untuk model ARIMA (0,1,2)
33 Lampiran 47 Plot data awal logaritma impor
6.5 6.6 6.7 6.8 6.9 7.0 7.1 7.2 7.3
2000 2001 2002 2003 2004 2005
IMPORLOG
Lampiran 48 Plot logaritma impor setelah 1 kali differencing
-.3 -.2 -.1 .0 .1 .2 .3 .4
2000 2001 2002 2003 2004 2005
IMPOR_
Lampiran 49 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,1)
0 2 4 6 8 10 12
-0.2 -0.1 0.0 0.1 0.2
Series: Residuals Sample 2000:02 2005:12 Observations 71
Mean -0.001224 Median 0.010912 Maximum 0.218346 Minimum -0.231677 Std. Dev. 0.099703 Skewness -0.150137 Kurtosis 2.698691
Jarque-Bera 0.535315 Probability 0.765170
Lampiran 50 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,2)
0 2 4 6 8 10 12
-0.2 -0.1 0.0 0.1 0.2
Series: Residuals Sample 2000:02 2005:12 Observations 71
Mean -0.001330 Median 0.001358 Maximum 0.197550 Minimum -0.252793 Std. Dev. 0.096828 Skewness -0.124133 Kurtosis 2.681284
Jarque-Bera 0.482847 Probability 0.785509
34 Lampiran 51 Histogram kenormalan sisaan impor untuk model ARIMA (1,1,0)
0 2 4 6 8 10
-0.2 -0.1 0.0 0.1 0.2
Series: Residuals Sample 2000:03 2005:12 Observations 70
Mean -1.12E-15 Median -0.000227 Maximum 0.195014 Minimum -0.249194 Std. Dev. 0.097776 Skewness -0.048694 Kurtosis 2.555727
Jarque-Bera 0.603351 Probability 0.739578
Lampiran 52 Histogram kenormalan sisaan impor untuk model ARIMA (2,1,0)
0 2 4 6 8 10
-0.2 -0.1 0.0 0.1 0.2
Series: Residuals Sample 2000:04 2005:12 Observations 69
Mean 2.87E-14 Median -0.004502 Maximum 0.190808 Minimum -0.249594 Std. Dev. 0.092243 Skewness -0.167225 Kurtosis 2.727977
35 Lampiran 53 Plot ACF dan PACF data awal
harga
Lampiran 55 Plot ACF dan PACF logaritma harga setelah 1 kali differencing
Lampiran 54 Plot ACF dan PACF data awal logaritma harga
Lampiran 56 Kandidat model ARIMA harga
No
Model
ARIMA Koefisien Nilai-
p AIC
1 (0,1,1) MA(1) 0.0000 -3.4553
Konstanta 0.0777
2 (2,1,0) AR(1) 0.0000 -3.1001
AR(2) 0.0004
Konstanta 0.8957
3 (0,1,2) MA(1) 0.0000 -3.4252
MA(2) 0.9537
Konstanta 0.0845
4 (1,1,0) AR(1) 0.0000 -2.9088
Konstanta 0.9932
5 (3,1,0) AR(1) 0.0000 -3.1549
AR(2) 0.0005
AR(3) 0.1095
Konstanta 0.8961
6 (2,1,1) AR(1) 0.3239 -3.4586
AR(2) 0.2681
MA(1) 0.0000
36 Lampiran 57 Plot autokorelasi sisaan harga
untuk model ARIMA (0,1,1)
Lampiran 59 Plot autokorelasi sisaan harga untuk model ARIMA (2,1,0)
Lampiran 58 Plot autokorelasi sisaan harga untuk model ARIMA (1,1,0)
Lampiran 60 Plot data awal logaritma harga
1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9
2000 2001 2002 2003 2004 2005
HARGALOG
37 Lampiran 61 Plot logaritma harga setelah 1
kali differencing
-.12 -.08 -.04 .00 .04 .08 .12
2000 2001 2002 2003 2004 2005
HARGA_
Lampiran 62 Histogram kenormalan sisaan harga untuk model ARIMA (0,1,1)
0 2 4 6 8 10
-0.10 -0.05 0.00 0.05
Series: Residuals Sample 2000:03 2005:12 Observations 70
Mean -0.003290 Median 0.004098 Maximum 0.088859 Minimum -0.114566 Std. Dev. 0.041958 Skewness -0.489320 Kurtosis 3.059507
Jarque-Bera 2.803725 Probability 0.246138
Lampiran 63 Histogram kenormalan sisaan harga untuk model ARIMA (1,1,0)
0 1 2 3 4 5 6 7 8
-0.10 -0.05 0.00 0.05 0.10
Series: Residuals Sample 2000:04 2005:12 Observations 69
Mean -9.57E-14 Median 0.003096 Maximum 0.133102 Minimum -0.114395 Std. Dev. 0.055298 Skewness 0.014234 Kurtosis 2.462007
Jarque-Bera 0.834461 Probability 0.658869
38 Lampiran 64 Histogram kenormalan sisaan harga untuk model ARIMA (2,1,0)
0 2 4 6 8 10
-0.10 -0.05 0.00 0.05 0.10
Series: Residuals Sample 2000:05 2005:12 Observations 68
Mean -1.44E-14 Median 0.013136 Maximum 0.094351 Minimum -0.133525 Std. Dev. 0.049505 Skewness -0.514012 Kurtosis 2.680909
Jarque-Bera 3.282854 Probability 0.193703
Lampiran 65 Hasil pendugaan model VAR ordo 1
PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
PRODUKSI_(-1) -0.549897 0.321234 1.797334 -0.673194 -0.006247 (0.10509) (0.29680) (0.96337) (0.64711) (0.27773) [-5.23246] [ 1.08232] [ 1.86568] [-1.04030] [-0.02249]
KONSUMSI_(-1) -0.024058 -0.332648 -0.356863 0.024150 -0.015425 (0.04316) (0.12188) (0.39559) (0.26573) (0.11405) [-0.55748] [-2.72936] [-0.90209] [ 0.09088] [-0.13526]
EKSPOR_(-1) 0.001049 -0.016832 -0.488259 0.102484 0.041339 (0.01179) (0.03329) (0.10805) (0.07258) (0.03115) [ 0.08903] [-0.50562] [-4.51870] [ 1.41199] [ 1.32706]
IMPOR_(-1) -0.010047 -0.094806 -0.194241 -0.602841 -0.059213 (0.01557) (0.04396) (0.14269) (0.09585) (0.04114) [-0.64543] [-2.15657] [-1.36127] [-6.28950] [-1.43942]
HARGA_(-1) -0.055275 0.066448 -0.876982 0.062046 -0.045838 (0.04701) (0.13277) (0.43096) (0.28948) (0.12424) [-1.17575] [ 0.50046] [-2.03495] [ 0.21433] [-0.36894]
39 Lampiran 66 Hasil pendugaan model VECM ordo 1 dengan rank kointegrasi 4
Cointegrating Eq: CointEq1 CointEq2 CointEq3 CointEq4
PRODUKSI_(-1) 1.000000 0.000000 0.000000 0.000000
KONSUMSI_(-1) 0.000000 1.000000 0.000000 0.000000
EKSPOR_(-1) 0.000000 0.000000 1.000000 0.000000
IMPOR_(-1) 0.000000 0.000000 0.000000 1.000000
HARGA_(-1) -0.059328 -0.066471 0.193134 -0.030326 (0.03637) (0.11496) (0.31839) (0.20891)
[-1.63105] [-0.57823] [ 0.60661] [-0.14516]
C 0.001762 0.001629 0.001412 -0.000667 (0.00103) (0.00324) (0.00898) (0.00589) [ 1.71719] [ 0.50252] [ 0.15725] [-0.11327]
Error Correction: D(PRODUKSI_) D(KONSUMSI_) D(EKSPOR_) D(IMPOR_) D(HARGA_)
CointEq1 -1.812166 1.408701 5.326551 0.153011 0.650557 (0.23688) (0.60968) (2.03857) (1.36540) (0.79235) [-7.65017] [ 2.31056] [ 2.61288] [ 0.11206] [ 0.82105]
CointEq2 -0.033288 -1.899189 -1.462421 -0.316468 -0.001415 (0.07792) (0.20056) (0.67062) (0.44917) (0.26066) [-0.42719] [-9.46929] [-2.18071] [-0.70456] [-0.00543]
CointEq3 0.016478 -0.034878 -1.836063 0.217108 0.187240 (0.02428) (0.06248) (0.20892) (0.13993) (0.08120) [ 0.67878] [-0.55820] [-8.78825] [ 1.55152] [ 2.30580]
CointEq4 -0.046199 -0.132865 -0.575062 -2.012295 -0.089676 (0.03853) (0.09917) (0.33160) (0.22210) (0.12889) [-1.19900] [-1.33974] [-1.73421] [-9.06031] [-0.69578]
D(PRODUKSI_(-1)) 0.199584 -0.756077 -2.371941 -0.457612 -0.239889 (0.13592) (0.34983) (1.16973) (0.78347) (0.45465) [ 1.46838] [-2.16125] [-2.02777] [-0.58408] [-0.52763]
D(KONSUMSI_(-1)) 0.001618 0.412550 0.670276 0.168489 -0.046314 (0.04670) (0.12021) (0.40194) (0.26921) (0.15623) [ 0.03463] [ 3.43195] [ 1.66761] [ 0.62586] [-0.29646]
D(EKSPOR_(-1)) -0.005471 -0.003293 0.197403 -0.092421 -0.072258 (0.01407) (0.03622) (0.12110) (0.08111) (0.04707) [-0.38878] [-0.09091] [ 1.63003] [-1.13941] [-1.53510]
D(IMPOR_(-1)) 0.019191 0.044141 0.288039 0.283164 -0.008647 (0.02163) (0.05567) (0.18615) (0.12468) (0.07235) [ 0.88722] [ 0.79285] [ 1.54731] [ 2.27106] [-0.11951]
40 Lampiran 67 Uji portmanteau kebaikan model VECM
Lags Q-Stat Prob. Adj Q-Stat Prob. df
1 10.48017 NA* 10.63429 NA* NA* 2 25.78136 0.4193 26.39223 0.3869 25 3 43.90667 0.7152 45.34142 0.6605 50 4 67.52144 0.7181 70.40940 0.6285 75 5 84.79412 0.8616 89.03151 0.7759 100 6 110.5545 0.8183 117.2453 0.6767 125 7 130.2028 0.8767 139.1119 0.7277 150 8 150.3694 0.9112 161.9233 0.7522 175 9 169.1333 0.9449 183.5018 0.7925 200 10 183.3981 0.9805 200.1844 0.8818 225 11 204.6362 0.9837 225.4504 0.8656 250 12 228.4523 0.9813 254.2804 0.8101 275 13 254.3668 0.9738 286.2107 0.7069 300 14 264.8145 0.9938 299.3178 0.8435 325 15 277.6576 0.9983 315.7285 0.9057 350 16 302.3469 0.9976 347.8712 0.8392 375 17 319.5983 0.9988 370.7624 0.8500 400 18 338.9489 0.9992 396.9428 0.8318 425 19 359.0429 0.9994 424.6724 0.7991 450 20 370.1041 0.9999 440.2483 0.8717 475 21 388.3635 0.9999 466.4963 0.8561 500 22 410.8015 0.9999 499.4371 0.7827 525 23 428.2821 1.0000 525.6581 0.7657 550 24 467.3264 0.9996 585.5260 0.3714 575 25 486.4098 0.9998 615.4522 0.3222 600 26 507.6093 0.9998 649.4701 0.2413 625 27 524.6771 0.9999 677.5100 0.2204 650 28 535.7393 1.0000 696.1268 0.2785 675 29 553.2086 1.0000 726.2614 0.2385 700 30 573.9137 1.0000 762.8935 0.1597 725 *The test is valid only for lags larger than the VAR lag order.
df is degrees of freedom for (approximate) chi-square distribution
Lampiran 68(a) Dekomposisi ragam produksi
41 Lampiran 68(b) Dekomposisi ragam konsumsi
Period S.E. PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
1 0.041912 10.87877 89.12123 0.000000 0.000000 0.000000 2 0.046680 10.03739 85.64512 1.474638 2.786692 0.056160 3 0.048218 9.730220 82.80714 3.280370 3.718615 0.463654 4 0.049593 10.17879 82.57127 3.128968 3.517507 0.603467 5 0.050691 12.91770 79.39469 3.040691 3.635033 1.011884 6 0.050929 12.99288 79.02767 3.320619 3.650920 1.007906 7 0.051102 12.91291 78.66392 3.299035 3.626356 1.497781 8 0.051239 13.19992 78.25367 3.285633 3.637189 1.623587
9 0.051312 13.16412 78.08969 3.338447 3.631752 1.775995 10 0.051375 13.14430 77.89924 3.336657 3.627631 1.992171 11 0.051449 13.18192 77.67849 3.342605 3.618073 2.178912 12 0.051507 13.17311 77.51445 3.358580 3.610564 2.343304
Lampiran 68(c) Dekomposisi ragam ekspor
Period S.E. PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_ 1 0.140139 0.026164 0.621948 99.35189 0.000000 0.000000 2 0.177773 3.784685 2.379308 88.46268 2.381283 2.992049 3 0.182738 6.268048 2.299871 85.55435 2.848196 3.029533 4 0.184727 6.615418 3.509809 83.77199 2.990427 3.112353 5 0.187521 8.215844 3.864450 81.39701 3.328662 3.194033 6 0.189001 9.213459 3.811744 80.17087 3.406936 3.396993 7 0.189351 9.195325 4.024877 79.98895 3.395054 3.395792 8 0.189612 9.212623 4.025125 79.77200 3.394615 3.595638 9 0.189868 9.315714 4.015782 79.55835 3.399851 3.710305 10 0.190027 9.320079 4.036528 79.45412 3.394485 3.794793 11 0.190159 9.311862 4.031844 79.35140 3.390989 3.913904 12 0.190320 9.329947 4.025878 79.22564 3.386007 4.032533
Lampiran 68(d) Dekomposisi ragam impor
Period S.E. PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
42 Lampiran 68(e) Dekomposisi ragam harga
Period S.E. PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_ 1 0.054469 5.234296 2.573515 0.198543 0.384496 91.60915 2 0.064674 7.888807 1.948460 6.940897 1.443510 81.77833 3 0.076966 10.34320 2.208441 6.217245 1.058178 80.17294 4 0.084941 10.61168 2.204077 6.374239 1.415831 79.39417 5 0.093983 10.93165 2.098491 6.569523 1.157098 79.24324 6 0.100972 11.34829 2.043805 6.625383 1.139833 78.84269 7 0.108376 11.68016 2.084494 6.700646 1.028335 78.50637 8 0.114661 11.75833 2.052682 6.766817 0.966991 78.45518 9 0.121034 11.96564 2.029855 6.787721 0.907609 78.30918 10 0.126864 12.09479 2.030771 6.834098 0.867659 78.17268 11 0.132541 12.18447 2.021680 6.861070 0.826920 78.10586 12 0.137931 12.27712 2.011381 6.883383 0.797644 78.03047
Lampiran 69(a) Respon impuls produksi
Period PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
1 0.016284 0.005371 -0.000263 -0.001965 0.003726 2 -0.010056 -0.003711 0.001559 -0.000834 -0.002010 3 0.004760 0.001228 -0.001141 0.001167 0.006425 4 0.000128 0.000236 0.001847 -0.000816 -0.000598 5 0.000888 -0.000511 0.000253 0.000240 0.003570 6 0.000860 9.01E-05 0.000343 -0.000487 0.001506 7 0.000687 5.10E-05 0.000848 0.000311 0.002501 8 0.000940 -8.30E-06 0.000396 -0.000466 0.001962 9 0.000889 -0.000127 0.000643 7.41E-05 0.002325 10 0.000651 3.40E-05 0.000553 -0.000162 0.002028 11 0.000982 -2.13E-06 0.000551 -0.000132 0.002276 12 0.000771 -6.85E-05 0.000587 -9.94E-05 0.002096
Lampiran 69(b) Respon impuls konsumsi
Period PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
43 Lampiran 69(c) Respon impuls ekspor
Period PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_ 1 -0.002267 0.009686 0.140139 0.003442 0.003933 2 0.034510 -0.012309 -0.094138 -0.026760 -0.023307 3 -0.029950 -0.006095 0.025464 0.016860 0.002261
4 -0.012820 0.015341 -0.002286 0.002946 -0.012722 5 0.025131 -0.003697 -0.007401 -0.011038 -0.000722 6 -0.020053 -0.008165 0.004105 0.009539 -0.012821
7 -0.002393 0.007732 -0.005645 -0.002259 -0.004182 8 0.003911 -0.000613 -0.001207 -0.001596 -0.007237
9 -0.006791 -0.002938 -0.000690 0.003159 -0.007736 10 -0.002679 0.002088 -0.002893 -0.001086 -0.006757
11 -0.001312 0.000116 -0.001617 0.000533 -0.006847 12 -0.003501 -0.000630 -0.001642 0.000666 -0.007382
Lampiran 69(d) Respon impuls impor
Period PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
1 -0.011324 -0.030544 0.002305 0.093863 0.007656 2 -0.000938 0.016274 0.015211 -0.066072 -0.014086 3 0.016708 -0.006611 -0.012663 0.022896 0.017919 4 -0.018025 0.000675 0.003939 -0.001833 -0.013553 5 0.009985 0.003250 0.001439 -0.002058 0.011636 6 0.000201 -0.002939 -0.001509 -0.000266 -0.004846 7 -0.002524 7.68E-05 0.001758 0.001959 0.003746 8 0.001726 0.001502 -0.000781 -0.002056 -4.94E-05 9 0.001283 -0.001013 0.000804 0.000977 0.001946 10 -0.000960 -6.89E-05 0.000289 -0.000288 0.000311 11 0.001193 0.000416 9.66E-05 -0.000104 0.001740 12 0.000283 -0.000219 0.000409 -6.45E-05 0.000716
Lampiran 69(e) Respon impuls harga
Period PRODUKSI_ KONSUMSI_ EKSPOR_ IMPOR_ HARGA_
44 Lampiran 70 Grafik fungsi respons impuls
-.015 -.010 -.005 .000 .005 .010 .015 .020
2 4 6 8 10 12
Response of PRODUKSI_ to PRODUKSI_
-.015 -.010 -.005 .000 .005 .010 .015 .020
2 4 6 8 10 12
Response of PRODUKSI_ to KONSUMSI_
-.015 -.010 -.005 .000 .005 .010 .015 .020
2 4 6 8 10 12
Response of PRODUKSI_ to EKSPOR_
-.015 -.010 -.005 .000 .005 .010 .015 .020
2 4 6 8 10 12
Response of PRODUKSI_ to IMPOR_
-.015 -.010 -.005 .000 .005 .010 .015 .020
2 4 6 8 10 12
Response of PRODUKSI_ to HARGA_
-.02 -.01 .00 .01 .02 .03 .04 .05
2 4 6 8 10 12
Response of KONSUMSI_ to PRODUKSI_
-.02 -.01 .00 .01 .02 .03 .04 .05
2 4 6 8 10 12
Response of KONSUMSI_ to KONSUMSI_
-.02 -.01 .00 .01 .02 .03 .04 .05
2 4 6 8 10 12
Response of KONSUMSI_ to EKSPOR_
-.02 -.01 .00 .01 .02 .03 .04 .05
2 4 6 8 10 12
Response of KONSUMSI_ to IMPOR_
-.02 -.01 .00 .01 .02 .03 .04 .05
2 4 6 8 10 12
Response of KONSUMSI_ to HARGA_
-.10 -.05 .00 .05 .10 .15
2 4 6 8 10 12
Response of EKSPOR_ to PRODUKSI_
-.10 -.05 .00 .05 .10 .15
2 4 6 8 10 12
Response of EKSPOR_ to KONSUMSI_
-.10 -.05 .00 .05 .10 .15
2 4 6 8 10 12
Response of EKSPOR_ to EKSPOR_
-.10 -.05 .00 .05 .10 .15
2 4 6 8 10 12
Response of EKSPOR_ to IMPOR_
-.10 -.05 .00 .05 .10 .15
2 4 6 8 10 12
Response of EKSPOR_ to HARGA_
-.08 -.04 .00 .04 .08 .12
2 4 6 8 10 12
Response of IMPOR_ to PRODUKSI_
-.08 -.04 .00 .04 .08 .12
2 4 6 8 10 12
Response of IMPOR_ to KONSUMSI_
-.08 -.04 .00 .04 .08 .12
2 4 6 8 10 12
Response of IMPOR_ to EKSPOR_
-.08 -.04 .00 .04 .08 .12
2 4 6 8 10 12
Response of IMPOR_ to IMPOR_
-.08 -.04 .00 .04 .08 .12
2 4 6 8 10 12
Response of IMPOR_ to HARGA_
-.01 .00 .01 .02 .03 .04 .05 .06
2 4 6 8 10 12
Response of HARGA_ to PRODUKSI_
-.01 .00 .01 .02 .03 .04 .05 .06
2 4 6 8 10 12
Response of HARGA_ to KONSUMSI_
-.01 .00 .01 .02 .03 .04 .05 .06
2 4 6 8 10 12
Response of HARGA_ to EKSPOR_
-.01 .00 .01 .02 .03 .04 .05 .06
2 4 6 8 10 12
Response of HARGA_ to IMPOR_
-.01 .00 .01 .02 .03 .04 .05 .06
2 4 6 8 10 12
45 Lampiran 71(a) Hasil peramalan VECM dan ARIMA periode Januari – September 2006
Periode Peramalan Produksi (Barel) Peramalan Impor (Barel) Peramalan Harga (Dolar/barel) Aktual VECM ARIMA Aktual VECM ARIMA Aktual VECM ARIMA Januari 2006 31.914.382 31.604.359 31.497.566 6.980.914 6.966.618 6.960.749 63,88 59,34 55,83
Februari 2006 29.097.308 31.997.128 31.975.916 10.459.853 7.105.015 6.822.209 60,8 62,07 58,23
Maret 2006 32.300.299 31.682.249 31.877.408 9.181.313 6.749.366 6.993.120 62,08 64,97 57,79
April 2006 30.943.055 31.727.803 31.779.203 10.105.045 7.149.555 6.924.701 72,6 68,06 58,79
Mei 2006 31.572.367 31.499.379 31.681.300 10.240.647 6.978.531 6.954.581 69,05 71,36 59,51
Juni 2006 30.295.222 31.444.595 31.583.699 10.029.995 6.995.359 6.972.058 68,89 74,87 60,25
Juli 2006 31.128.747 31.343.825 31.486.399 8.401.116 7.044.886 6.974.467 73,79 78,61 60,81
Agustus 2006 30.028.879 31.226.909 31.389.399 7.324.657 7.058.119 6.990.947 70,89 82,61 61,67
September 2006 28.913.612 31.116.232 31.292.697 10.187.226 7.044.491 7.000.918 60,43 86,87 62,33
MAPE 3,523 3,746 18,879 22,863 10,994 11,429
Periode Peramalan Konsumsi (Barel) Peramalan Ekspor (Barel)
Aktual VECM ARIMA Aktual VECM ARIMA Januari 2006 20.247.744 20.398.019 17.627.308 9.400.417 14.801.850 12.014.591
Februari 2006 17.481.708 19.137.667 17.555.896 10.117.077 11.629.258 11.910.500
Maret 2006 14.847.346 19.381.661 17.484.773 8.631.479 13.102.495 11.807.311
April 2006 17.745.760 19.786.638 17.413.938 7.788.723 13.503.956 11.705.016
Mei 2006 22.086.233 19.268.593 17.343.390 7.852.066 12.367.331 11.603.607
Juni 2006 16.508.534 19.327.826 17.273.128 10.927.277 12.797.702 11.503.076
Juli 2006 17.305.531 19.352.675 17.203.151 8.973.003 12.784.036 11.403.417
Agustus 2006 19.404.263 19.221.975 17.133.457 7.564.359 12.539.032 11.304.621
September 2006 18.389.145 19.170.304 17.064.045 8.791.724 12.524.546 11.206.681
46 Lampiran 71(b) Hasil peramalan VECM dan ARIMA periode Oktober 2006 – Desember 2007
Periode
Peramalan Produksi (Barel)
Peramalan Konsumsi (Barel)
Peramalan Ekspor (Barel)
Peramalan Impor (Barel)
Peramalan Harga (Dolar/barel)
VECM ARIMA VECM ARIMA VECM ARIMA VECM ARIMA VECM ARIMA Oktober 2006 31.027.944 31.196.294 19.135.905 16.994.915 12.488.434 11.109.589 7.081.545 7.012.211 91,42 63,08
Nopember 2006 30.911.637 31.100.187 19.065.316 16.926.065 12.387.795 11.013.339 7.084.986 7.024.186 96,29 63,82
Desember 2006 30.812.149 31.004.376 19.010.389 16.857.493 12.325.144 10.917.922 7.100.681 7.035.371 101,49 64,58
Januari 2007 30.708.669 30.908.861 18.955.053 16.789.199 12.261.229 10.823.332 7.112.921 7.046.996 107,06 65,33
Februari 2007 30.605.466 30.813.639 18.899.356 16.721.183 12.193.770 10.729.562 7.128.038 7.058.526 113,02 66,11
Maret 2007 30.502.259 30.718.712 18.842.217 16.653.442 12.123.807 10.636.604 7.140.309 7.070.058 119,41 66,89
April 2007 30.400.589 30.624.076 18.786.592 16.585.975 12.058.548 10.544.452 7.154.347 7.081.659 126,25 67,68
Mei 2007 30.298.142 30.529.733 18.731.088 16.518.781 11.992.646 10.453.097 7.167.669 7.093.246 133,58 68,47
Juni 2007 30.196.666 30.435.679 18.675.404 16.451.859 11.926.033 10.362.535 7.181.530 7.104.851 141,45 69,28
Juli 2007 30.095.253 30.341.916 18.619.799 16.385.209 11.860.364 10.272.757 7.194.854 7.116.476 149,91 70,09
Agustus 2007 29.994.388 30.248.441 18.564.746 16.318.829 11.795.518 10.183.756 7.208.651 7.128.119 158,98 70,93
September 2007 29.893.723 30.155.255 18.509.556 16.252.718 11.730.378 10.095.527 7.222.241 7.139.783 168,74 71,76
Oktober 2007 29.793.464 30.062.355 18.454.615 16.186.875 11.665.839 10.008.062 7.235.941 7.151.465 179,24 72,61
Nopember 2007 29.693.473 29.969.742 18.399.881 16.121.298 11.601.709 9.921.355 7.249.633 7.163.166 190,54 73,47
ANALISIS VAR (
VECTOR AUTOREGRESSIVE
)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR