ABSTRAK
Dalam studi ini modelStructural Vector Autoregression (SVAR) digunakan untuk
meramalkan data inflasi dan nilai tukar rupiah terhadap dolar Amerika (USD). Data yang digunakan adalah data inflasi di Indonesia dan nilai tukar rupiah terhadap USD pada bulan Januari 2011-September 2014 atas periode bulanan. Data inflasi dan nilai tukar rupiah terhadap USD diaplikasikan pada model SVAR dengan tahapan menguji stasioneritas data menggunakan uji akar unit. Kriteria AkaikeInformation Criterion(AIC) digunakan untuk mendapatkan model Vector Autoregression (VAR ) yang selanjutnya dikonstruksi sehingga membentuk model SVAR. Parameter dari model SVAR diestimasi menggunakan program R dan selanjutnya digunakan untuk memprediksi data inflasi dan nilai tukar rupiah terhadap USD untuk periode berikutnya.
Parameter-parameter yang sudah diperoleh dari program R diestimasi ulang dengan metode bootstrap, yaitu metode resampling dari data asli untuk mendapatkan data baru dengan mengulang sebanyak bilangan L kali. Dengan menggunakan metode bootstrap diperoleh estimasi titik (median bootstrap) yang merupakan titik prediksi data inflasi dan nilai tukar rupiah terhadap USD dan diperoleh juga interval konfidensi bootstrap persentilyangmengandung hasil prediksi dengan metode klasik.
ABSTRACT
In this study, Structural Vector Autoregression (SVAR) used to predict the inflation data and rupiah’s exchange rate to American dollar (USD). The data which is used are Indonesian
inflation data and rupiah’s exchange rate to USD on January 2011 – September 2014 by
monthly periodic. The inflation data and rupiah’s exchange rate to USD applied on SVAR model with data stationery examine stage using unit source examine. Akaike Information Criterion (AIC) used to achieve Vector Auto Regression model (VAR) which is constructed so that form SVAR model. Parameter from SVAR model was estimated by R program and used to predict inflation data and rupiah’s exchange rate to USD in the next period.
Parameters which have got from R program were repeatedly estimated by bootstrap method that is resampling method from the original data to get a new one with many repetitions done. By using bootstrap method we got the point estimation (bootstrap median) which is the inflation data prediction and rupiah’s exchange to USD and also the percentile bootstrap confidence interval that contains of the prediction result by classical method.