SKRIPSI
EFEKTIVITAS PENGGUNAAN ARIMA DAN VAR DALAM MEMPROYEKSI PERMINTAAN KREDIT DI INDONESIA
OLEH
SYARIFUDDIN 090501014
PROGRAM STUDI EKONOMI PEMBANGUNAN DEPARTEMEN EKONOMI PEMBANGUNAN
FAKULTAS EKONOMI
UNIVERSITAS SUMATERA UTARA MEDAN
UNIVERSITAS SUMATERA UTARA FAKULTAS EKONOMI
DEPARTEMEN EKONOMI PEMBANGUNAN
Nama : Syarifuddin
PERSETUJUAN PERCETAKAN
NIM : 090501014
Departemen : Ekonomi Pembangunan Konsentrasi : Perbankan
Judul Skripsi : Efektivitas Penggunaan ARIMA dan VAR dalam Memproyeksi Permintaan Kredit di Indonesia
Tanggal, ______________ Ketua Program Studi
NIP. 19710503 200312 1 003 Irsyad Lubis, SE, M.Soc.Sc, Ph.D
Tanggal, ______________ Ketua Departemen
NIP. 19730408 199802 1 001 Wahyu Ario Pratomo, SE, M.Ec
UNIVERSITAS SUMATERA UTARA FAKULTAS EKONOMI
DEPARTEMEN EKONOMI PEMBANGUNAN
Nama : Syarifuddin
PERSETUJUAN
NIM : 090501014
Departemen : Ekonomi Pembangunan Konsentrasi : Perbankan
Judul Skripsi : Efektivitas Penggunaan ARIMA dan VAR dalam Memproyeksi Permintaan Kredit di Indonesia
Tanggal, Juli 2013 Pembimbing
NIP. 19630818 198803 1 005 Wahyu Ario Pratomo, SE,M.Ec
Tanggal, Juli 2013 Pembaca Penilai
NIP. 19730408 199802 1 001 Paidi Hidayat, SE, M.Si
LEMBAR PERNYATAAN
Saya yang bertanda tangan di bawah ini menyatakan dengan sesungguhnya bahwa skripsi saya yang berjudul ”EFEKTIVITAS PENGGUNAAN ARIMA DAN VAR DALAM MEMPROYEKSI PERMINTAAN KREDIT DI INDONESIA” adalah benar hasil karya tulis saya sendiri yang disusun sebagai tugas akademik guna memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi Universitas Sumatera Utara.
Bagian atau data tertentu yang saya peroleh dari perusahaan atau lembaga, dan/atau saya kutip dari hasil karya orang lain telah mendapat izin, dan/atau dituliskan sumbernya secara jelas sesuai dengan norma, kaidah dan etika penulisan ilmiah.
Apabila kemudian hari ditemukan adanya kecurangan dan plagiat dalam skripsi ini, saya bersedia menerima sanksi sesuai dengan peraturan yang berlaku.
Medan, Juli 2013 Penulis
NIM. 09050101
ABSTRACT
ARIMA USE AND EFFECTIVENESS IN PROJECTING VAR CREDIT DEMAND IN INDONESIA
Research carried out by using ARIMA (Autoregressive Integrated Moving Average) with VAR method (Vector Autoregresive) to see which one is more effective in forecasting. The method is done using ARIMA has several stages, see kestasioneran date integration derejat test (unit roots), correlogram, and correlogram are in differencing. Once the date is stationary on first differencing it will be done by using ARIMA modeling. The model has been used with the ARIMA model is ARIMA (1,1,0), (0,1,1), (1,1,1), (2,2,0), (0,2,2), ( 2,2,2).
Of the six models used for forecasting do next is ARIMA (1,1,0) where the model is significant and the F Statistic value of 30.38796, while ARIMA (0,1,1) have a higher F Statistic for 58.92521. However, the appropriate model for forecasting is ARIMA (1,1,0) while the ARIMA (0,1,1) is not appropriate because of the data that is forecast to fall or sngat too biased, the credit data is appropriate for forecasting performed is ARIMA ( 1,1,0). With ARIMA method used can be seen the level of the lowest average error (RMSE) of 8.70 which is convincing to forecasting results in the next year. While VAR models through several stages to perform forecasting the stationary test, the estimated VAR model, impulse response, variance decomposition after that will be followed by a forecasting method. About VAR method that we must look first respone of several variables and relationships between variables, after all interconnected of one variable with the other variables then performed forecasting. Forecasting results
ii
conducted with VAR method in which data is inflation and JIBOR, forecasting values generated ascending as can be seen in Table 4.18. While forecasting is done with ARIMA method with data on the number of credit decreased, this indicates that there is a correlation between the increase JIBOR, inflation and credit demand.
For more details, if there is an increase JIBOR and inflation then the demand for credit decreases with the forecasting results and the theory is carried out. From looking at the results of the forecasting is done both methods can be concluded that it is more effectively used for ARIMA forecasting method because it is the average error rate ARIMA method is quite small, whereas the VAR model to do some stage to see the results of forecasting
ABSTRAK
EFEKTIVITAS PENGGUNAAN ARIMA DAN VAR DALAM MEMPROYEKSI PERMINTAAN KREDIT DI INDONESIA
Penelitian yang dilakukan dengan menggunakan metode ARIMA (Autoregressive Integrated Moving Average ) dengan metode VAR ( Vector Autoregresive ) untuk melihat mana yang lebih efektif dalam melakukan peramalan. Metode yang dilakukan dengan menggunakan ARIMA memiliki beberapa tahap yaitu melihat kestasioneran data dengan uji derejat integrasi (Akar-akar unit), correlogram, dan correlogram yang di differencing. Setelah data stasioner pada first differencing maka akan dilakukan permodelan dengan menggunakan ARIMA. Model yang telah digunakan dengan model ARIMA adalah ARIMA (1,1,0), (0,1,1), (1,1,1), (2,2,0), (0,2,2), (2,2,2). Dari enam model yang dilakukan yang digunakan untuk peramalan berikutnya adalah model ARIMA (1,1,0) dimana model ini signifikan dan nilai F Statistic sebesar 30.38796 sedangkan model ARIMA (0,1,1) memiliki F Statistic lebih tinggi sebesar 58.92521. Namun model yang sesuai untuk peramalan adalah ARIMA (1,1,0) sedangkan ARIMA (0,1,1) tidak sesuai karena data yang diramalkan akan terlalu turun atau sngat bias, pada data kredit ini yang sesuai yang dilakukan untuk peramalan adalah ARIMA (1,1,0). Dengan metode ARIMA yang digunakan dapat dilihat tingkat kesalahan rata-rata terendah (RMSE) sebesar 8,70 yang menyakinkan untuk hasil peramalan pada tahun berikutnya. Sedangkan model VAR melalui beberapa tahap untuk melakukan peramalan yaitu uji stasioneritas, estimasi model VAR, impulse response, variance decomposition setelah itu akan dilanjutkan dengan metode peramalan.
iv
Metode VAR yang dilakuakan kita harus melihat dahulu respone dari beberapa variabel serta hubungan antar variabel, setelah semuanya saling mempengruhi antara satu variabel dengan variabel lainya maka selanjutnya dilakukan peramalan. Hasil peramalan yang dilakukan dengan metode VAR dimana datanya adalah inflasi dan suku bunga jibor, nilai peramalan yang dihasilkan menaik seperti dapat dilihat pada tabel 4.18. Sedangkan peramalan yang dilakukan dengan metode ARIMA dengan data jumlah kredit menurun, ini mengidikasikan bahwa ada korelasi antara kenaikan suku bunga jibor, inflasi dan permintaan kredit. Untuk lebih jelasnya apabila terjadi kenaikan suku bunga jibor dan inflasi maka permintaan kredit menurun sesuai dengan hasil peramalan yang dilakukan dan teori yang ada. Dari melihat hasil peramalan yang dilakukan dari kedua metode tersebut dapat di simpulkan bahwa yang lebih efektif digunakan untuk peramalan adalah metode ARIMA karena tingkat rata-rata kesalahan metode ARIMA cukup kecil, sedangkan model VAR harus melakukan beberapa tahap untuk melihat hasil peramalan
KATA PENGANTAR
Puji dan syukur saya ucapkan kepada allah swt berkat rahmat dan hidayahnya saya dapat menyelesaikan skripsi ini yang berjudul ”Efektivitas Penggunaan ARIMA dan VAR dalam Memproyeksi Permintaan Kredit di Indonesia”. Adapun skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ekonomi Pembangunan Fakultas Ekonomi Universitas Sumatera Utara Medan tahun akademik 2012/2013.
Skripsi ini tidak terlepas dari jasa berbagai pihak yang telah membantu terselesaikannya skripsi ini, baik saran, motivasi dan doa. Karena itu dengan hati yang tulus saya ucapkan banyak terimakasih kepada:
1. Kedua orangtua tercinta bapak Sahman, Ibu Rohani, dan teman-teman saya Fredy Dermawan Tambunan, Tagor Saleh Harahap. Semoga allah swt memberikan rahmat dan karunianya kepada kalian semua, amiin ya robbal’lamiin.
2. Bapak Prof. Dr. Azhar Maksum, M.Ec.Ac selaku Dekan Fakultas Ekonomi Universitas Sumatera Utara.
3. Bapak Wahyu Ario Pratomo, SE, M.Ec selaku Ketua Departemen dan Bapak Drs. Syahrir Hakim Nasution, M.Si selaku Sekretaris Departemen Ekonomi Pembangunan Fakultas Ekonomi Universitas Sumatera Utara.
4. Bapak Irsyad Lubis, SE, M.Soc.Sc, Ph.D selaku Ketua Program Studi dan Bapak Paidi Hidayat, SE, M.Si selaku Sekretaris Program Studi S1 Ekonomi Pembangunan Fakultas Ekonomi Universitas Sumatera Utara.
5. Bapak selaku Wahyu Ario Pratomo, SE, M.Ec dosen pembimbing yang selama ini telah banyak membantu penulis dalam menyelesaikan skripsi ini. 6. Bapak Paidi Hidayat, SE, M.Si selaku dosen pembaca penilai yang telah
memberikan masukan.
vi
8. Seluruh Pegawai Departemen Ekonomi Pembangunan dan Pegawai Fakultas Ekonomi Universitas Sumatera Utara.
9. Sahabat-sahabat terkasih di kelompok kecil ku dan semua teman-teman Ekonomi Pembangunan Stambuk 2009, semoga allah swt selalu melimpahkan taufik dan hidayahnya kepada kalian semua.
10. Semua pihak yang turut membantu penyelesaian skripsi ini, namun tidak dituliskan pada lembaran ini, penulis mohon maaf.
Tulisan ini masih jauh dari sempurna, karena itu semua kritik dan saran dari pembaca akan sangat berharga bagi penulis, demi perbaikan skripsi ini. Semoga skripsi ini bermanfaat bagi semua yang membutuhkannya. Akhir kata penulis mengucapkan terima kasih.
Medan, Maret 2013 Penulis
Syarifuddin NIM: 090501014
DAFTAR ISI Halaman ABSTRACT ... i ABSTRAK ... iii KATA PENGANTAR ... v DAFTAR ISI ... vi DAFTAR TABEL ... ix DAFTAR LAMPIRAN ... xi BAB I : PENDAHULUAN 1.1. Latar Belakang ... 1 1.2. Perumusan Masalah ... 4 1.3. Tujuan Penelitian ... 4 1.4. Manfaat Penelitian ... 5
BAB II : TINJAUAN PUSTAKA DAN URAIAN TEORITIS 2.1. Pengertian Kredit ... 7
2.2. Unsur-unsur Kredit ... 7
2.3. Penilaian Pemberian Kredit ... 8
2.4. Pengenalan ARIMA ... 10
2.5. Model ARIMA ... 11
2.6. Penenalan (VAR) ... 13
2.7. Kelebihan dan Kelemahan (VAR) ... 15
BAB III : METODE PENELITIAN 3.1. Metode ARIMA ... 17
3.2. Klasifikasi Model ARIMA (Box-Jenkins) ... 18
3.3. Tahapan Metode ARIMA ... 20
3.3.1. Uji Stasioner ... 21
viii
3.3.3. Penaksiran Parameter Model ... 23
3.3.4. Uji Diagnostic ... 24
3.3.5. Peramalan dengan Model ARIMA ... 24
3.4. Pengertian Model Vector Autoregresive (VAR) ... 25
3.5. Bentuk-bentuk Model VAR ... 26
3.6. Estimasi Model VAR ... 28
3.7. Analisis Model VAR ... 29
3.7.1. Peramalan ... 28
3.7.2. Impulse Response ... 29
3.7.3. Forecast Error Decomposition Variance (FEDV). 30
3.7.4. Uji Kausalitas ... 31 BAB IV : PEMBAHASAN 4.1. Uji stasioner ... 32 4.2. Identifikasi Model ... 37 4.2.1. Model ARIMA (1,1,0) ... 38 4.2.2. Model ARIMA (0,1,1) ... 39 4.2.3. Model ARIMA (1,1,1) ... 40 4.2.4. Model ARIMA (2,2,0) ... 41 4.2.5. Model ARIMA (0,2,2) ... 42 4.2.6. Model ARIMA (2,2,2) ... 43
4.3. Peramalan dengan Model ARIMA ... 44
4.4. Uji Derajat Integrasi Model VAR ... 45
4.5. Estimasi Model VAR ... 49
4.6. Impulse Response ... 51
4.7. Forecast Error Decomposition Variance (FEDV) ... 54
4.9. Peramalan dengan Metode VAR ... 56
BAB V : KESIMPULAN DAN SARAN 5.1. Kesimpulan ... 59
5.2. Saran ... 60
BAB VI : DAFTAR PUSTAKA ... 61
x
DAFTAR TABEL
Tabel Judul Tabel Halaman
3.1 Pola Autokorelasi dan Autokorelasi Parsial ... 22 4.1 Uji Akar-akar unit Periode
Januari 2005 s/d Desember 2012 ... 35 4.2 Correlogram Periode
Januari 2005 s/d Desember 2012 ... 36 4.3 Correlogram Periode
Januari 2005 s/d Desember 2012 differencing... 37 4.4 Model ARIMA (1,1,0) Periode
Januari 2005 s/d Desember 2012... 39 4.5 Model ARIMA (0,1,1) Periode
Januari 2005 s/d Desember 2012 ... 40 4.6 Model ARIMA (1,1,1) Periode
Januari 2005 s/d Desember 2012 ... 41 4.7 Model ARIMA (2,2,0) Periode
Januari 2005 s/d Desember 2012 ... 42 4.8 Model ARIMA (0,2,2) Periode
Januari 2005 s/d Desember 2012 ... 43 4.9 Model ARIMA (2,2,2) Periode
Januari 2005 s/d Desember 2012 ... 44 4.10 Hasil Prediksi Kredit Pada Tahun 2013
4.11 Uji Akar-akar unit INF Periode
Januari 2005 s/d Desember 2012 ... 47 4.12 Uji Akar-akar unit INF Periode
Januari 2005 s/d Desember 2012 Differencing ... 48 4.13 Uji Akar-akar unit JBR Periode
Januari 2005 s/d Desember 2012 Differencing ... 49 4.14 Etimasi Model VAR Periode
Januari 2005 s/d Desember 2012 ... 51 4.15 Lag Lenght Periode
Januari 2005 s/d Desember 2012 ... 52 4.16 Variace Decomposition Periode
Januari 2005 s/d Desember 2012 ... 55 4.17 Uji Kausalitas Periode
Januari 2005 s/d Desember 2012 ... 56 4.18 Hasil Prediksi Model VAR Pada Tahun 2013
xii
DAFTAR LAMPIRAN
No. Lampiran Judul Halaman
1 Penelusuran Kredit (Off-Balance Sheet) Bank Umum Berdasarkan
Jenis Kredit dan Golongan Penyalur
Dalam Miliaran Rupiah... 62 2 Tingkat Inflasi (Indek Harga Konsumen)
Dalam Bentuk Persentase (%) ... 63 3 SUKU BUNGA JIBOR
(Jakarta Interbank Offered Rate)
