Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi, Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi

(1)

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.

(2)

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

(3)

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

(4)

ANALISIS VAR (

)

AGUS WAHYULI

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Sains pada

Departemen Statistika

DEPARTEMEN STATISTIKA

(5)

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.

(6)

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.

(7)

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

(8)

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

Ekspor ... 9

Impor ... 10

(9)

Harga ... 11

Model VAR ... 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

(10)

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 ... 6

2 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

(11)

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

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

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

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

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

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

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

53 Plot ACF dan PACF data awal harga ... 35

(12)

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

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

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

(13)

(14)

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

(15)

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

(16)

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

Mean -0.002645 Median -0.001627 Maximum 0.094280 Minimum -0.117161 Std. Dev. 0.039567 Skewness -0.230644 Kurtosis 3.406454

(17)

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

Lampiran 13 Plot ACF dan PACF data awal konsumsi

(18)

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

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

(19)

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_

(20)

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

Mean -0.000955 Median 0.002471 Maximum 0.098024 Minimum -0.115473 Std. Dev. 0.040627 Skewness -0.332045 Kurtosis 3.366988

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

Mean 3.37E-16 Median 0.008193 Maximum 0.100141 Minimum -0.140393 Std. Dev. 0.042690 Skewness -0.558496 Kurtosis 3.994916

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

Mean 7.46E-17 Median 0.002438 Maximum 0.075385 Minimum -0.141690 Std. Dev. 0.045523 Skewness -0.716448 Kurtosis 3.911267

(21)

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

Lampiran 27 Plot ACF dan PACF data awal ekspor

(22)

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

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

(23)

29 Lampiran 33 Plot autokorelasi sisaan ekspor

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

(24)

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

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

Mean -1.84E-10 Median -0.004420 Maximum 0.522922 Minimum -0.878712 Std. Dev. 0.151209 Skewness -1.923268 Kurtosis 20.05314

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

(25)

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

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

(26)

32 Lampiran 43 Plot autokorelasi sisaan impor

Lampiran 45 Plot autokorelasi sisaan impor untuk model ARIMA (1,1,0)

Lampiran 44 Plot autokorelasi sisaan impor untuk model ARIMA (0,1,2)

(27)

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

0 2 4 6 8 10 12

-0.2 -0.1 0.0 0.1 0.2

(28)

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

0 2 4 6 8 10

-0.2 -0.1 0.0 0.1 0.2

Mean 2.87E-14 Median -0.004502 Maximum 0.190808 Minimum -0.249594 Std. Dev. 0.092243 Skewness -0.167225 Kurtosis 2.727977

(29)

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

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

(30)

36 Lampiran 57 Plot autokorelasi sisaan harga

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

(31)

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

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

Mean -9.57E-14 Median 0.003096 Maximum 0.133102 Minimum -0.114395 Std. Dev. 0.055298 Skewness 0.014234 Kurtosis 2.462007

(32)

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

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]

(33)

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]

(34)

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

(35)

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_

(36)

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

(37)

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

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

(38)

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

(39)

(40)

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

(41)

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

(42)

(43)

ANALISIS VAR (

)

AGUS WAHYULI

DEPARTEMEN STATISTIKA