PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN
INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN
METODE
VECTOR AUTOREGRESSIVE
(VAR)
SKRIPSI
Oleh :
PRISKA RIALITA HARDANI
24010211120020
DEPARTEMEN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
i
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN
INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN
METODE
VECTOR AUTOREGRESSIVE
(VAR)
Oleh :
PRISKA RIALITA HARDANI
24010211120020
Diajukan Sebagai Salah Satu Syarat Penyusunan untuk Memperoleh Gelar
Sarjana Statistika pada Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
i
v
KATA PENGANTAR
Puji syukur penulis ucapkan atas kehadirat Allah SWT yang telah memberikan
rahmat dan karunia-Nya, sehingga penulisan Tugas Akhir ini dapat terselesaikan.
Tugas Akhir yang berjudul
Peramalan Laju Inflasi, Indeks Harga Saham
Gabungan dan Suku Bunga Indonesia Menggunakan Metode
Vector
Autoregressive
(VAR)
ini merupakan salah satu syarat untuk memperoleh gelar
Sarjana Sains pada Departemen Statistika Fakultas Sains dan Matematika
Universitas Diponegoro.
Pada kesempatan ini penulis ingin menyampaikan terimakasih kepada :
1.
Bapak Dr. Tarno, M.Si selaku Ketua Departemen Statistika Fakultas Sains
dan Matematika Universitas Diponegoro.
2.
Bapak Abdul Hoyyi, S.Si, M.Si dan Bapak Drs. Sudarno, M.Si selaku
dosen pembimbing I dan dosen pembimbing II.
3.
Bapak dan Ibu Dosen Jurusan Statistika Fakultas Sains dan Matematika
Universitas Diponegoro.
4.
Semua pihak yang tidak dapat disebutkan satu persatu yang telah
membantu hingga terselesaikannya penulisan Tugas Akhir ini.
Kritik dan saran dari pembaca akan menjadi masukan yang sangat
berharga. Harapan penulis semoga
Tugas Akhir
ini dapat bermanfaat bagi
penulis khususnya dan bagi pembaca pada umumnya.
Semarang,
Desember 2016
v
Laju inflasi, Suku Bunga Indonesia (SBI) dan Indeks Harga Saham
Gabungan (IHSG) merupakan instrumen ekonomi yang memiliki keterikatan dan
sering disoroti sebagai tolok ukur kemajuan ekonomi suatu negara. Data laju inflasi,
Suku Bunga Indonesia dan Indeks Harga Saham Gabungan merupakan data runtun
waktu multivariat yang menunjukkan aktivitas selama kurun waktu tertentu. Salah
satu metode untuk menganalisis data runtun waktu multivariat adalah
Vector
Autoregressive
(VAR). Metode VAR merupakan pemodelan persamaan simultan
yang memiliki beberapa variabel endogen secara bersamaan. Penelitian ini
menggunakan data sekunder laju inflasi, SBI dan IHSG periode Januari 2008
sampai dengan Juni 2016. Model VAR yang diperoleh adalah model VAR(4),
dengan estimasi parameternya menggunakan metode kuadrat terkecil (MKT).
Pemilihan model VAR(4) didasarkan pada nilai AIC terkecil yaitu
–
4,255482
dengan nilai MAPE sebesar 47,11 %.
ABSTRACT
I
B
R
(SBI)
x (IHSG) is an
economic instrument and often seen as divorce progression of the economic
progress of a country. Inflation, Bi Rate and IHSG is a multivariate time series
that show activity for a certain period. One method to analyze multivariate time
series is Vector Autoregressive (VAR). VAR method is a simultaneous equation
model has several endogeneous variables. This research uses secondary data of
inflation, SBI and IHSG on period January to June 2016. The VAR model
acquired is a model VAR(4), with parameters estimated using the Ordinary Least
Square (OLS). The selection model VAR(4) is based on the smallest value of AIC
−
4,255482 with value of MAPE is 47,11%.
Kywor
s:
Inflation, SBI, IHSG, Time Series Multivariate, Forecasting, Vector
OPQPORST UV NWXYZN[ V\S Y][ ]Z^_ XV N`W\aRbPPPPPPPPPPPPPPPPPPPPPPPPPP cd
OPe\T X_ N V NVfST YSTg X[Y
u
ccOPeP cW]h^_fST YSTg X[Y
u
i]j kl ^T[ NT VPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP cOOPeP cP cm Z]V^ V
Au
t
nopq opssi
f
`\f bPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP cOOPeP cPOm Z ]V^ V
Moving Average
`W \b PPPPPPP cQOPeP cP rm Z ]V^ Va Xs tSZ XT`\fW \b cu
OPeP cP vm Z ]V^ V\fwW\ PP cx
OPePOm ^s]h^_ XTfST YSTg X[ Y
u
h^TUXTi]j kl ^T[ NT V yyy cxOPePOP cwh^T YNzN[ XVNW ]h^_i]jkl ^T[ N VPPPPPPPPPPPPPPPPPPPPPPPPPPP cx
OPePOPO{ VY NsXVNmXZXs ^Y^Z yyyyP c|
OPePOP r}^ZN MN[ XV NW ]h^_ O d
OP
7
Vector Autoregressive
`} \fbPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP OOOP uP cW]h^_} \fPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP OO
OP uPO{ VY NsXVNmXZXs ^Y^ZPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP O r
OP uP rm ^sN_N~XTZh]tPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP Oe
OP
8
Differencing
PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP O uOP |m ^TU^^[XTN XUT ]V YN[PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP O u
OP cdm ^TUSNXTNUT Nz N[ XT V NmXZ Xs^ Y^ZPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP O x
OP cc
Mean Absolute Percentage Error
`W \m {bPPPPP PPPPPPPPPPPPPPPPPPPPP O xi\iwww W{ wm {{ ww\PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP rd
rP cl ^T N VhXTSs^ZXYX PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP rd
rPO} XZ NX^_m ^T ^_ N YN XT PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP rd
rP rX~XtXT\T X_ N VN VPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP rd
x
4
4
¡ ¢£ ¤¥ ¦ £ §4
¦ ¥ ¨ £Lag
© ¦¥ ª4
§¢¤¥w
¥ ¦¥ £ «¬4
®4
¯ £°±² £ °£ £ ¦ ³4
4
´¢¤¥¨ ¦¥£ «¬4
4
¡4
µ £°¶£°£¢47
4
ªMean Absolute Percentage Err
¢¬ ··· 47
4
® ¦ ¥£48
¸ ¹
4
®º» « ¹ » ¸
5
³DAFTAR TABEL
Halaman
½¾¿ÀÁÂÃ Ä Å Á¾½ÀÅÆÇ ÈÇÉÊ ËÌ;ÎÄÊ ËÌ;ÆÇÄ ÆÅÏÀÏÐÈ¾Ï ÇÅ Î ÀÆÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà ÂÑ
½¾¿ÀÁÒà ÐȾÈÇÏÈÇ É¾ÓÀÏ ÉÆÇ Ô ÈÇ ÕÓ¾ ȾÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà ÖÖ
½¾¿ÀÁÖà ×ÇÁ¾ÇÊØËÙ ÚÛÂϾ ÜÔ¾ÇÍÀ ÎݾÎÙ ÚÛÞÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà Öß
½¾¿ÀÁàà ×ÇÁ¾Ç ; ÎáÀÔâÈâÏ ¾ Îã¾ÆÇ ¾¿ÀÁ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àÂ
½¾¿ÀÁäà ×ÇÁ¾Ç ; ÎáÀÔâÈâÏ ¾ Îã¾ÆÇ ¾¿ÀÁ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àÂ
½¾¿ÀÁåà ×ÇÁ¾Ç ; ÎáÀÔâÈâÏ ¾ Îã¾ÆÇ ¾¿ÀÁ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àÒ
½¾¿ÀÁÞà ×Ç Á¾Ç ; ÎáÀÔâ ÈâϾ Îã¾ Æ Ç¾¿À Á ÜÀ ÎÝÝâ ξɾÎÆÀ ÝÆÀÏ Ç
ÁÇÎÇÀÆ¿ÀÆ Ý¾ ÎÍ ¾ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àÖ
½¾¿ÀÁßà ×Ç Á¾Ç ; ÎáÀÔâ ÈâϾ Îã¾ Æ Ç¾¿À Á ÜÀ ÎÝÝâ ξɾ ÎÆÀ ÝÆ ÀÏÇ
ÁÇÎÇÀÆ¿ÀÆ Ý¾ ÎÍ ¾æÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àÖ
½¾¿ÀÁÑà ×Ç Á¾Ç ; ÎáÀÔâ ÈâϾ Îã¾ Æ Ç¾¿À Á ÜÀ ÎÝÝâ ξɾ ÎÆÀ ÝÆ ÀÏÇ
ÁÇÎÇÀÆ¿ÀÆ Ý¾ ÎÍ ¾æÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àà
½¾¿ÀÁÂçÃ×ÇÁ¾Ç
t
; ÎÉÀÔâ ÈâÏ ¾ Îã¾ÆÇ ¾¿ À Á Ï ÀÈÀ Á¾ èÍÇÁ¾Éâɾ ÎÔÀÎÝÅ Á ¾ è¾Îâ Á¾ ÎÝ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃà àà
DAìTAR íîïðîñ
ò óô óõóö
÷ øù úøûüýþ ëøÿûøù ë û ÿø øþø øýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýý
÷ øù úøû ý øûë øú
,
ø ýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýý÷ øù úøûý øûë øú
,
ø ýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýx
DAF
!" !#!$
%&' ()& *+ ,& -&. /*/ 0-& *
...
12%&' ()& *3 4 56-&78*/)-& 7
Augmented Dickey-Fuller
9/ *::; *&<& *Software
=>/w
7 1?%&' ()& *2 4 56-& 78*/)-& 7.)8:)& '6@6; *-;<(0 8-9@AB
...
1C%&' ()& *D E0&
Akaike Information Criteria
F@ GAH(&I&' & 7*:J' &7* :1
`ab
DAHULUAN
1.1
Latar Belakang
c dedfghgij khhdl ke ki demnkfkhokp kqok
tu
r kfs gendhsj hlmhs mfidhtknkjfdo du kq sdekkh i ko
y
kekf kt
hy
k.
v dlkek wde fdi w khl odn dejt
xhygh do j k i dijpjfjose mfsmendedfghgijkhkhl
y
iko jq wdetgekfkle kej oy
k hlt dhyde mhl i kojqo khlkt
e dhs kh y dhlkh kykh
y
k lght khlkht
deqkykn f dot
kwj p kh fdljkt
kh ndedfg hgij khzwdendhlke mqk
t
ku
w de pkfmyjykpkiomktu
ndedfghg ij khzÆÇ ÈÉÊËÉ ÌÍ ÇÎÏ ÐÎÑ
u
ÇÉ ÒÐÎ ÍÇÏ ÈÓÔ Õ ÊÎÉ ÔÖ È ×Ì ×ÇÐ ÇØ Ç ÊÎ ×ÙÎØ ÎÉÚy
ÛÜØÜÙÝÌ ÍÎ Þ ÝÎÚÇ ÙÌ ÞØ Ì ×ÝÎÉÚÎÉ ÙÌ ÞÌØËÉË × ÇÎÉ ÉÌÚÎ ÞÎ
.
Ô Ì ßÇÉ ÚÚÎ ÙÌ ÞÎÉ Ù Ì×Ì ÞÇÉàÎ ßÊÎÐÎ × ×Ì ÞÌÉ ÛÎÉÎØ ÎÉ Ï ×ÌÉ ÚÎ× ÝÇÐ ÍÌ ÞÎ
t
×ÌÉÚÌáÎÐÜÎ Í Ç ØÌÝÇÑÎØÎÉ ÙÌÞÌØËÉË ×ÇÎÉy
ÎÉÚ ÊÎÙ Î
t
×Ì ×ÙÌÉ ÚÎ ÞÜ ßÇ ßÎÐ âßÎÐt
Ì ÞÍÌ ÝÜà ÍÎÉ ÚÎt
Ê ÇÙÌ ÞÐ ÜØÎÉ.
ãÐ Ì ß ØÎÞÌÉÎ Çtu
Ê ÇÙÌ ÞÐÜØÎÉÙÌ ÞÎ×ÎÐÎÉàÌÞ ßÎÊÎÙÉ ÇÐ ÎÇÐÎÑ
u
ÇÉ ÒÐ Î ÍÇ ÏÉ ÇÐ Î ÇÈÓÔ ÕÏÊ ÎÉ É ÇÐÎ ÇÔ ÖÈ.
äÌ ÞÊÎÙ Î
t
ÝÌ ÞÝÎÚÎ Ç ×ÎÛÎ× ×Ìt
ËÊÌ ÜÉàÜØ ×ÌÉ ÚÎ ÉÎÐÇÍ Ç Í ÊÎt
Î ÞÜÉàÜÉw
ÎØàu
Ê ÇÎÉà Î ÞÎÉ
y
ÎåæÈç åè éêt
ëì íîìísif Integrated Moving Average
ïÊÎÉðåæèVector
Autoregressive
ï.
ñÌ ×ËÊÌÐ ÎÉ åæÈçå Ê ÇÚÜÉÎØ ÎÉ ÜÉàÜØ ÊÎt
Îtime series
u
É Ç áÎ ÞÇÎt.
Ô ÌÊÎÉ ÚØÎÉ Ù Ì ×ËÊÌÐÎÉ ð åæ Ê ÇÚÜÉ ÎØÎÉ ÜÉàÜØ ÊÎ
t
Îtime series
×ÜÐt
Ç áÎ ÞÇÎt.
ð åæ×Ì ÞÜÙÎØÎÉ Ù Ì ×ËÊÌÐ ÎÉ ÙÌ ÞÍÎ×Î ÎÉ Í Ç×ÜÐ
t
ÎÉy
ÎÉ Ú ×Ì ×ÇÐ ÇØ Ç ÝÌ ÝÌ ÞÎÙÎ áÎÞÇÎÝÌÐÌÉÊË ÚÌÉÍÌÛ Î ÞÎÝÌ ÞÍÎ ×Î Î ÉòðÎ ÞÇÎÝÌÐÐ ÎÑ
u
ÇÉ ÒÐ ÎÍ Ç ÏáÎ ÞÇÎ ÝÌÐÈÓÔ ÕÏÊÎÉáÎ ÞÇÎÝÌÐÔ Ö È×Ì ÞÜÙÎØÎÉáÎÞÇÎÝ ÌÐ
y
ÎÉÚÍÎÐ ÇÉ ÚÝÌÞßÜ ÝÜÉ ÚÎÉ ÍÎtu
ÍÎ×Î ÐÎ ÇÉ ÏÍ Ì ßÇÉ ÚÚÎÙÌÞÎ×ÎÐÎÉÊ ÇÐ ÎØÜØÎÉ
Vector Autoregressive
èðåæï.
1.2
Rumusan Masalah
ÖÌ ÞÊÎÍÎ ÞØÎÉÜ ÞÎ ÇÎÉÊÎÞÇ ÐÎ
t
Î ÞÝÌÐ ÎØÎÉÚÏ×ÎØÎÞÜ ×Ü ÍÎÉ ×Î ÍÎÐ Î ßÎ ÉÚy
ÎØÎÉÊ ÇÝÎ ßÎ ÍÎÊÎÐ Î ßó
Î
.
ÖÎÚÎ Ç ×ÎÉ Î×Ì ×ËÊÌÐØ ÎÉÐÎÑu
ÇÉ ÒÐ ÎÍ Ç Ï ÈÓÔ ÕÊ ÎÉÔÖ ÈÊ ÌÉÚÎÉÙ ÌÉÊÌØ Ît
ÎÉ×ËÊÌÐ
Vector Autoregressive
èð åæ ïôÝò ÖÎÚÎ Ç ×ÎÉ Î Ù ÞÌÊ ÇØ Í Ç è
forecasting
ï ÐÎÑu
ÇÉ ÒÐÎ Í ÇÏ ÈÓÔ Õ ÊÎÉ Ô Ö È ÝÌ ÝÌÞÎÙÎ1.3
Batasan Masalah
ö÷
t
÷ø÷ùú ÷ø÷û ÷üý÷û÷úþ ÿù ÿût
÷ù ù ÷ý ÷û÷ü÷
.
ÿt
ý ÿy
÷ù ýù÷ ÷ù ø ÿ÷ ÷ þÿ ÷ú ÷û ÷ù úÿù ù÷ ÷ù úÿt
ý ÿVector Autoregressive
.
÷
t
÷y
÷ù ý ù ÷ ÷ù ÷ý÷û÷ü ý ÷t
÷ û ÷ù ÷ù û÷u
ù û÷ø ý÷ù öý ÷ ÷ù ÷
2008
ø÷ú þ÷ ý ÿù ÷ù ù201
.
1.4
Tujuan Penulisan
÷ùý ÷ þÿùÿû
t
÷ù ù ÷ý ÷û ÷ü÷
.
ÿúý ÿû ÷ù û÷u
ù û ÷ø ý ÷ù ö ý ÿù÷ù þÿùý ÿ ÷t
÷ù ú ý ÿûVector Autoregressive
.
ÿû ÷ ÷ù þÿ ÷ú ÷û÷ù û ÷