METODE INTERVENSI
Variabel-variabel intervensi yang
diduga berpengaruh terhadap IHK
umum Surabaya dan Kediri
No
Kejadian Intervensi
Waktu
Keterangan
1
Krismon
Juli 1997
-2
Harga baru BBM
Mei 1998
kenaikan 25% - 71,43%
3
Harga baru BBM
Okt 2000
kenaikan 12,5%
4
Harga baru BBM
Jan 2003
kenaikan 21%
5
Harga baru BBM
Mar 2005
kenaikan 30%
6
Harga baru BBM
Okt 2005
kenaikan 126%
7
Harga baru BBM
Mei 2008
kenaikan 28,7%
TRANSFORMASI BOX-COX
DAN
PLOT TIME SERIES, ACF, PACF DATA
IHK umum
Lambda Optimum
Kesimpulan
Surabaya
-0,54 1,23
Tidak ditransformasi
Kediri
-0,47 1,23
Tidak ditransformasi
Hasil Transformasi Box-Cox
Plot time series, ACF data PACF setelah didifference 1
Model intervensi akhir
IHK umum Surabaya
IHK umum Kediri
Keterangan
.
662
,
0
689
,
0
)
1
)(
450
,
0
1
)(
611
,
0
1
(
1
003
,
1
203
,
1
822
,
0
787
,
5
360
,
0
420
,
0
307
,
1
049
,
1
712
,
0
539
,
0
858
,
0
086
,
1
626
,
1
887
,
0
526
,
0
649
,
3
211
,
4
690
,
1
699
,
1
033
,
2
719
,
1
147
,
3
551
,
1
938
,
0
058
,
0
ˆ
76 98 12 231 7 204 6 166 189 5 175 174 173 158 3 3 3 2 2 2 2 2 1 1 1 1 1 ) 1 ( ) 9 ( ) 8 ( ) 8 ( ) 3 ( ) 2 ( ) 1 ( ) 9 ( ) 8 ( ) 7 ( ) 6 ( ) 3 (x
x
B
B
B
x
s
x
s
x
x
s
x
x
x
x
s
s
s
s
s
s
s
s
s
s
s
s
s
y
t t t t t t t t t t t t t t t t t
.
)
1
)(
392
,
0
1
(
)
211
,
0
1
)(
388
,
0
1
(
)
542
,
0
1
(
533
,
1
488
,
1
312
,
8
548
,
1
)
003
,
1
1
(
270
,
0
754
,
3
177
,
2
286
,
1
142
,
1
)
921
,
0
1
(
220
,
1
082
,
0
ˆ
12 7 6 6 5 3 2 2 2 2 1 1 2 1 3 2 1 3B
B
B
B
s
B
s
s
s
s
B
s
s
s
s
s
B
y
t t t t t t t t t t t
Uji Asumsi Residual
2 hitung
p
value
Lag Kesimpulan 6 12 18 24 30 4.69 5.06 12.87 19.42 26.28 0.3208 0.8870 0.6823 0.6194 0.5575 white noise white noise white noise white noise white noise (a) Uji residual white noiseStatistik uji D p-value Kesimpulan 0,0875 0,0560 normal
(b) Uji Kolmogorov Smirnov
IHK umum Surabaya
IHK umum Kediri
2 hitung
p
value
Lag Kesimpulan 6 12 18 24 30 4,76 7,58 21,91 30,86 32,75 0,1902 0,5773 0,1101 0,0761 0,2055 white noise white noise white noise white noise white noise (a) Uji residual white noiseStatistik uji D p-value Kesimpulan 0,0843 < 0,01 tidak normal
Residual IHK umum Kediri
Tiga titik di luar batas 3 sigma :
Year Month 2007 2004 2001 1998 1995 1992 1989 Jan Jan Jan Jan Jan Jan Jan 2.0 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 -2.0 re s7 1.431 -1.431
Feb/1998 Mar/2002 Feb/2005
1.908
-1.908
Time Series Plot of res7
No
Bulan/tahun
Keterangan
1
Februari 1998
Indonesia mengalami inflasi sebesar
12,76%
2
Maret 2002
terjadi kenaikan harga BBM untuk sektor
industri
3
Februari 2005
Pemerintah pada bulan Pebruari 2005
Model ARCH
IHK umum Surabaya ARCH([4,7,11])
IHK umum Kediri ARCH[1,4,8]
2
8
2
4
2
1
2
0.14403
-0.14403
-0.17358
-0.21072
ˆ
t
t
t
t
2
11
2
7
2
4
2
0.31932
-0.27148
-0.23142
-0.06086
ˆ
t
t
t
t
Nilai aktual dan ramalan
dengan metode
Intervensi
IHK umum Surabaya
IHK umum Kediri
bulan
aktual
ramalan
Jan-09
111.12
111.54
Feb-09
112.19
111.65
Mar-09
112.50
111.84
Apr-09
112.01
112.24
Mei-09
111.79
112.96
Jun-09
112.04
113.48
Year Month 2009 Jun Mei Apr Mar Feb Jan 116 115 114 113 112 111 110 D a ta aktual ramalan bts_bwh bts_ats VariableTime Series Plot of aktual; ramalan; bts_bwh; bts_ats
bulan
aktual
ramalan
Jan-09
112.34
112.00
Feb-09
112.69
112.10
Mar-09
113.22
112.40
Apr-09
112.67
113.00
Mei-09
112.73
114.00
Jun-09
113.24
114.30
Year Month 2009 Jun Mei Apr Mar Feb Jan 116 115 114 113 112 111 110 D a ta aktual ramalan bts_bwh bts_ats VariableBesarnya efek intervensi
Intervensi
IHK umum Surabaya
IHK umum Kediri
Mulai
berpengaruh
Besarnya
efek
Mulai
berpengaruh
Besarnya
efek
Krisis moneter
Juli 1997
Oktober 1997
0,92
Oktober 1997
1,22
Harga baru BBM
Mei 1998
Mei 1998
1,76
Mei 1998
1,14
Harga baru BBM
Oktober 2000
Oktober 2000
0,88
Nopember 2000
0,27
Harga baru BBM
Maret 2005
Maret 2005
1,31
Maret 2005
1,55
Harga baru BBM
Oktober 2005
Oktober 2005
5,79
Nopember 2005
8,31
Harga baru BBM
Mei 2008
Mei 2008
1,20
Juni 2008
1,53
PERBANDINGAN
METODE PERUBAHAN
STRUKTUR DAN INTERVENSI
Kriteria pemenuhan asumsi residual,
MSE in sample dan MAPE out sample
Kota
Metode
Perubahan
Struktur
Intervensi
Surabaya
a. Asumsi residual
- white noise
ya
ya
- berdistribusi normal
tidak
ya
b. Perbandingan
- in sample (MSE)
1,00
0,068
- out sample (MAPE)
0,733
0,660
Kediri
a. Asumsi residual
- white noise
ya
ya
- berdistribusi normal
tidak
tidak
b. Perbandingan
- in sample (MSE)
1,00
0,227
KESIMPULAN
1
2
Hasil simulasi metode perubahan struktur
menghasilkan banyaknya break dan waktu
break sesuai dengan yang disimulasikan.
Berdasarkan studi simulasi yang telah dilakukan,
maka prosedur dalam mendeteksi perubahan
struktur pada data deret waktu adalah :
1)
Menstasionerkan data
2)
Menentukan lag PACF yang signifikan untuk
menentukan model Autoregressive awal
3)
Mengembalikan variabel-variabel penelitian
ke bentuk variabel awal
4)
Menguji ada tidaknya perubahan struktur
dengan Statistik F tipe SupF
5)
Menentukan jumlah break (m) dan waktu
break
6)
Membuat variabel dummy sebanyak m+1
7)
Menentukan variabel independen yang
masuk dalam model perubahan struktur
dengan regresi stepwise
8)
Mendapatkan model Autoregressive yang
mengandung perubahan struktur dari
langkah 7
KESIMPULAN
132
,
ln
1,00167
131
109
,
ln
0,21385
ln
0,26882
ln
0,75293
1921
,
0
108
1
,
ln
1,00248
ˆ
ln
) 1 ( 1 ) 8 ( 1 ) 5 ( 1 ) 1 ( 1 ) 1 ( 1 1t
Y
t
Y
Y
Y
t
Y
Y
t t t t t t
132
,
ln
00163
,
1
131
109
,
ln
28259
,
0
ln
33420
,
0
ln
76597
,
0
1291
,
0
108
1
,
ln
00251
,
1
ˆ
ln
) 1 ( 2 ) 8 ( 2 ) 5 ( 2 ) 1 ( 2 ) 1 ( 2 2t
Y
t
Y
Y
Y
t
Y
Y
t t t t t t3
Model autoregressive dengan perubahan
struktur dari data IHK umum Surabaya dan
Kediri yang diperoleh adalah :
Model autoregressive dengan perubahan
struktur dari data IHK umum Surabaya dan
Kediri yang diperoleh adalah :
.
)
1
)(
392
,
0
1
(
)
211
,
0
1
)(
388
,
0
1
(
)
542
,
0
1
(
533
,
1
488
,
1
312
,
8
548
,
1
)
003
,
1
1
(
270
,
0
754
,
3
177
,
2
286
,
1
142
,
1
)
921
,
0
1
(
220
,
1
082
,
0
ˆ
12 7 6 6 5 3 2 2 2 2 1 1 2 1 3 2 1 3B
B
B
B
s
B
s
s
s
s
B
s
s
s
s
s
B
y
t t t t t t t t t t t
.
662
,
0
689
,
0
)
1
)(
450
,
0
1
)(
611
,
0
1
(
1
003
,
1
203
,
1
822
,
0
787
,
5
360
,
0
420
,
0
307
,
1
049
,
1
712
,
0
539
,
0
858
,
0
086
,
1
626
,
1
887
,
0
526
,
0
649
,
3
211
,
4
690
,
1
699
,
1
033
,
2
719
,
1
147
,
3
551
,
1
938
,
0
058
,
0
ˆ
76 98 12 231 7 204 6 166 189 5 175 174 173 158 3 3 3 2 2 2 2 2 1 1 1 1 1 ) 1 ( ) 9 ( ) 8 ( ) 8 ( ) 3 ( ) 2 ( ) 1 ( ) 9 ( ) 8 ( ) 7 ( ) 6 ( ) 3 (x
x
B
B
B
x
s
x
s
x
x
s
x
x
x
x
s
s
s
s
s
s
s
s
s
s
s
s
s
y
t t t t t t t t t t t t t t t t t
KESIMPULAN
4
Perbandingan antara metode perubahan struktur
dan intervensi menunjukkan bahwa metode
intervensi
lebih
baik
digunakan
untuk
memodelkan IHK umum Surabaya dan Kediri,
karena :
metode intervensi menjelaskan lebih banyak
kejadian-kejadian yang berpengaruh pada data
dan pada peramalan 6 bulan ke depan semua
nilai aktual metode intervensi terletak dalam
batas selang kepercayaan 95%.
Pada data IHK umum Surabaya metode
intervensi memenuhi syarat asumsi residual
white noise dan berdistribusi
normal,
juga
mempunyai nilai MSE in sample dan MAPE out
sample nilainya lebih kecil dibanding metode
perubahan struktur.
Pada data IHK umum Kediri metode intervensi
mempunyai nilai MSE in sample lebih kecil
dibanding metode perubahan struktur. Tetapi
untuk asumsi residual pada data IHK umum
Kediri
metode
intervensi
hanya
memenuhi
syarat white noise
SARAN
Saran yang dapat diberikan dari hasil penelitian ini berdasakan
kesimpulan-kesimpulan di atas adalah untuk peneliti lain sebaiknya dicoba metode lain
yang kemungkinan dapat menghasilkan model yang lebih baik. Misalnya
adalah metode multivariate time series seperti VAR yang mengandung
perubahan struktur. Selain itu juga perlu dicoba kriteria lain yang digunakan
untuk mendeteksi banyaknya break pada metode perubahan struktur,
DAFTAR PUSTAKA
Andrews ,D.W.K., (1993), “Tests for Parameter Instability and Structural
Change With Unknown Change”, Econometrica, Vol. 61, No.4, hal 821-856.
Andrews ,D.W.K., Ploberger W., (1994). “Optimal tests when a nuisance
parameter is present only under the alternative”, Econometrica, 62, hal. 1383–1414.
Bai ,J., (1997), “Estimation of a change point in multiple regression
models”, Review of Economics and Statistics,79, hal. 551–563.
Bai, J., Perron, P., (2003), “Computation and analysis of multiple structural
change models”, Journal of Applied Econometrics, 18, hal. 1–22.
Bianchi, L., Jarret, J., and Hanumara, R.C., (1998), “Improving Forecasting
for Telemarketing Centers by ARIMA Modelling with Intervention”,
International Journal of Forecasting, Vol. 14, hal. 497 – 504.
Bernard, J.T., Idoudi, N., Khalaf, L., dan Yelou, C., (2007), “Finite Sample
Multivariate Structural Change Tests with Application to Energy Demand Models”, Journal of Econometrics, Vol. 141, Issue 2, hal.1219-1244,
http://132.203.59.36/cirpee/conf-cirpee/colloqueetudiant10nov04/CIRPEE_etudiants/Yelou.pdf, tanggal
akses 8 April 2009.
Berita Resmi Statistik, (2004), Edisi no. 37/th VII/1, Maret, BPS Propinsi
Jawa Timur.
Bustaman, U., (2000), Analisis Intervensi Krisis Moneter pada Indeks
Harga Konsumen Nasional, Tugas Akhir, Jurusan Statistika, ITS, Surabaya.
Chen, C. dan Liu, L., (1993), “Joint Estimation of Model Parameters and
Outliers Effects in Time Series”, Journal of the American Statistical
Association, Vol. 88, No. 421, hal. 284-297.
Chow, G.C., “Tests of Equality between Sets of Coefficients in Two Linear
Regressions”, Econometrica 28, hal. 591-603.
Conover, W.J., (1980), Practical Nonparametric Statistics, Second Edition,
John Wiley & Sons, New York.
Draper, N.R. dan Smith, H., (1992), Analisis Regresi Terapan, Edisi Kedua,
Terjemahan Bambang Sumantri, PT. Gramedia Pustaka Utama, Jakarta.
Dufour, J.M., (1982), “Generalized Chow Tests for Structural Change : A
Coordinate Free Approach”, International Economic Review, Vol. 23 No. 3, hal. 565-575.
Enders, W., (1995), Applied Econometric Time Series, John Wiley & Sons,
Inc., New York.
Fox, A. J., (1972), “Outliers in Time Series”, Journal of the Royal Statistical
Society, Ser. B, Vol. 3, hal. 350-363.
Groen, J. J. J., Kapetanios, G., dan Price, S., (2008), “Multivariate methods
for monitoring structural change”, Working Paper No. 355, Bank of England,
http://www.rbnz.govt.nz/research/workshops/december2008/3529074.p
df, tanggal akses 8 April 2009.
http://rizqullah.niriah.com/ekonomi-islam/hello-world/, tanggal akses 16
Khalwaty, T., (2000), Inflasi dan Solusinya, Gramedia Pustaka Utama, Jakarta.
Lon-Mu Liu, (2006), Time Series Analysis And Forecasting, Second Editon,
Scientific Computing Associates® Corp, Illinois.
Maddala, G.S. dan Kim, I.M., (1998), Unit Roots, Cointegration, and
Structural Change, Cambridge University Press, Cambringe.
Minarnik, (2007), Analisis Time Series terhadap Indeks Harga Konsumen di
Indonesia dengan Menggunakan Metode Intervensi untuk Mengatasi Outlier, Tugas Akhir, Jurusan Statistika, ITS, Surabaya.
Nurmawan, (2007), Uang dan Lembaga Keuangan,
http://www.dikmenum.go.id/dataapp/e-learning/bahan/kelas2/images/UANG%20DAN%20LEMBAGA%20KEUANG
AN.pdf, tanggal akses 1 Juli 2008.
Perron, P. dan Qu, Z., (2007), “Estimating and testing structural changes in
multivariate regressions”, Journal Econometrica, Vol. 75, Issue 2, hal.
459-502, http://people.bu.edu/perron/papers/qu-perron.pdf, tanggal akses 8
April 2009.
Rupingi, A.S., (2001), Analisis Intervensi dan Generalized Autoregressive
Conditional Heteroscedasticity (GARCH) pada Kasus Data Indeks Harga Konsumen Nasional, Tugas Akhir, Jurusan Statistika, ITS, Surabaya.
Salamah, M, Suhartono, dan Wulandari, S.P., (2003), Analisis Time Series,
Institut Teknologi Sepuluh Nopember, Surabaya.
Tsay, R.S., (1988),”Outliers, Level Shifts, and Variance Changes in Time
Series”, Journal of Forecasting”, 7, hal. 1-20.
Wei, W.W.S., (2006), “Time Series Analysis Univariate and Multivariate
Methods”, Second Edition, Pearson Education, Inc., New York.
Wibowo, Tri dan Amir, Hidayat, (2005), Faktor-faktor yang Mempengaruhi
Nilai Tukar Rupiah, Jurnal Ekonomi dan Kajian Ekonomi, Departemen
Keuangan,Vol.9No.4,Desember,http://mashidayat.files.wordpress.com/20
07/12/02-faktor-yang-mempengaruhi-nilai-tukar-kek-des-2005.pdf,
tanggal akses 16 Nopember 2009.
Zeileis, A., Kleiber, C., Kr¨amer, W., Hornik, K., (2003). “Testing and Dating
of Structural Changes in Practice”, Computational Statistics & Data
Analysis, 44(1–2), 109–123.
Zeileis A, Leisch F, Hornik K, Kleiber C., (2002), “Strucchange: An R
package for testing for structural change in linear regression models”,
Journal of Statistical Software,7(2), hal.1–38. URL