BAB I
PENDAHULUAN
1.1.Latar Belakang
Kegiatan manusia akan selalu diarahkan kepada kegiatan yang akan datang, yang keberadaannya tidak dapat diketahui secara pasti. Oleh karena itu perlu melakukan sesuatu untuk masa yang akan datang serta memperhitungkan
kondisi yang akan datang atau meramalkannya. Kondisi pada waktu yang akan datang tidaklah dapat diperkirakan secara pasti, namun usaha untuk
meminimalkan ketidakpastian itu lazim dilakukan dengan metode atau teknik peramalan tertentu.
Permalan merupakan studi terhadap data historis untuk menemukan
hubungan, kecendrungan dan pola data yang sitematis (Makridakis 1999). Peramalan menggunakan pendekatan statistik maupun non statistik keduanaya
bertujuan untuk meramalkan yang diharapkan mendekati data yang aktual. Peramalan yang dilakukan berdasarkan runtun waktu pada data yang ada sesuai urutan waktu pada priode tertentu.Dengan metode peramalan ini dapat
mempermudah bank sentral dalam melakukan kebijakan perbankannya pada masa yang akan datang, untuk mengukur tingkat permintaan kredit sesuai dengan faktor
Model Autoregressive Integrated Moving Average (ARIMA), dikembangkan oleh
George Box dan Gwilym Jenkins sehingga disebut ARIMA Box-Jenkins. Metode ini merupakan dari metode penghalusan, metode regresi, dan metode
dekomposisi. Metode ini banyak digunakan untuk peramalan harga saham, permintaan kredit, tenaga kerja, dan runtun waktu lainya. Dengan menggunakan ARIMA dapat dilakukan melalui lima tahap, yaitu kestasioneran data,
pengidetifikasian model, pengistimasian parameter model, pengujian model, dan penggunaan model untuk peramalan. Pada tahap satu, data runtun waktu harus
diperiksa kesastisionerannya (apakah rata rata dan variansnya konstan, homogen dari waktu kewaktu) karena data yang dianalisis pada ARIMA adalah data yang statisioner. Pemeriksaan dilakukan dengan metode otokorelasi dan otokorelasi
parsial (dibicarakan kemudian) atas datanya. Pada tahap kedua, data yang telah statisioner berdasarkan hasil analisis otokorelasi dan otokorelasi parsial atas data yang ststisioner atau yang telah distasionerkan itu. Dari pengidentifikasian hasil
datanya berupa model AR (autoregresive). I (integrated), MA (moving avarage) atau kombinasi dari dua (ARI,IMA,ARMA) atau ketiganya (ARIMA) komponen
model itu.
Dengan metode ARIMA yang diakukan dapat mempermudah dalam
perbankan indonesia agar proyeksi yang diharapkan dapat terjadi secara
kenyataan. Sebagaimana pemberiaan kredit merupakan salah satu bentuk usaha yang dilakukan dalam dunia perbankan.
Selain menggunakan metode ARIMA, dalam penelitian ini juga akan menggunakan metode VAR (Vector Autoregresive) yang merupakan Sebagian besar model ekonometrika deret waktu adalah dibangun berdaarkan teori yang
ada, dengan kata lain teori ekonomi yang menjadi dasar dalam mengembangkan hubungan antar peubah pada model. Model ini disebut juga model struktural atau
teoritis, dan estimasinya dapat memberikan informasi yang numerik dan sekaligus alat untuk menguji teori yang ada. Namun sering kali teori ekonomi belum mampu menemukan spesifikasi yang tepat untuk model. Hal ini disebabkan teori
ekonomi yang ada terlalu kompleks, sehingga perlu dilakukan penyederhanaan dalam model atau sebaliknya fenomena yang ada terlalu kompleks sehingga tidak cukup dijelaskan dengan teori yang ada.
Jika data yang digunakan dalam analisis adalah deret waktu, model Vector Autoregresive (VAR) menawarkan alternatif permodelan sebagai jalan keluar
persoalan tersebut. Model VAR disebut sebagai model non-struktural atau model yang tidak teoritis.
(INF) pada priode t dipengaruhi tingkat suku bunga Jakarta Interbank Offered
Rate (JIBOR)
Dengan demikian itu merupakan suatu perbedaan metode antara ARIMA
dan VAR, dimana model ARIMA tidak memandang hubungan yang timbal balik dari variabel tersebut. Model ARIMA hanya meramalkan data berapa bulan atau tahun kedepan, sedangkan medel VAR perlunya adanya hubungan yang searah
atau timbal balik dalam meramalkan permintaan kredit beberapa bulan kedepan atau tahunnya. Untuk menguji kedua metode tersebut mana yang lebih efektif
dalam melakukan peramalan permintaan kredit di indonesia maka perlu di lakukan pengkajian lebih lanjut dengan metode yang akan digunakan.
1.2.Perumusan Masalah
Masalah yang akan dibahas dalam penelitian ini adalah menentukan metode yang terbaik dalam memproyeksikan permintaan kredit, apakah metode ARIMA atau VAR.
1.3.Tujuan Penelitian
Tujuan dari penelitian yang dilakukan adalah:
1.Untuk mengetahui tingkat permintaan kredit pada masa yang akan datang serta dapat memprediksikannya.
2.Dengan kedua metode yang dilakukan antara ARIMA dan VAR dapat
3.Dengan melakukan peramalan melalui metode yang ada dapat mengindikasikan
kepada pihak perbankan Indonesia untuk melakukan kebijakannya dimasa yang akan datang,agar peramalan yang dilakukan dapat terealisasi secara nyata.
4.Dengan metode peramalan yang dilakukan dapat diketahui seberapa besar pengaruh permintaan kredit terhadap kondisi ekonomi pada masa akan datang terutama pada pertumbuhan ekonomi, dengan meningkat atau menurunnya
permintaan kredit dimasa yang akan datang mengidikasikan kondisi ekonomi mengalami pertumbuhan atau penurunan (resesi)
1.4.Manfaat Penelitian
1.Sebagai informasi kepada perbankan Indonesia terhadap permintan kredit di Indonesia untuk mempersiapkan diri dalam menghadapi tingkat permintaan kredit
tersebut.
2.Sebagai suatu pengetahuan yang konkret dan yang terbaik dalam melakukan peramalan kredit di Indonesia serta sebagai alat kebijakn untuk maa yang akan
datang.
3.Sebagai suatu tindakan yanga harus dilakuakan oleh pihak perbankan dalam
mengambil keputusan dalam jangka panjang dengan mengetahui informasi dari peramalan yang dilakukan tersebut.
4.Dengan metode peramalan yang dilakukan dapat sebagai alat tolak ukur
perbankan dalam mengabil kebijakan dalam menetapkan suku bunga kredit agar permintaan kredit meningkat, karena dalam penelitian ini menggunakan variabel
permintaan kredit meningkat seiring pertumbuhan ekonomi meningkat sesuai
