PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) - Diponegoro University | Institutional Repository (UNDIP-IR)

(1)

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

(2)

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

(3)

(4)

(5)

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

(6)

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 %.

(7)

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}

(8)

(9)

OPQPORST UV NWXYZN[ V\S Y][ ]Z^_ XV N`W\aRbPPPPPPPPPPPPPPPPPPPPPPPPPP cd

OPe\T X_ N V NVfST YSTg X[Y

u

cc

OPeP cW]h^_fST YSTg X[Y

u

i]j kl ^T[ NT VPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP cO

OPeP cP cm Z]V^ V

Au

t

nopq op

ssi

f

`\f bPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP cO

OPeP cPOm Z ]V^ V

Moving Average

`W \b PPPPPPP cQ

OPeP 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 cx

OPePOP 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 OO

OP 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 u

OP |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 x

i\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

(10)

x

4

¡ ¢£ ¤¥ ¦ £ §

4

¦ ¥ ¨ £

Lag

4

§¢¤¥

w

¥ ¦¥ £ «¬

4

®

4

¯ £°±² £ °£ £ ¦ ³

4

´¢¤¥¨ ¦¥£ «¬

4

¡

4

µ £°¶£°£¢

47

4

ª

Mean Absolute Percentage Err

¢¬ ···

47

4

® ¦ ¥£

48

¸ ¹

4

®

º» « ¹ » ¸

5

³

(11)

DAFTAR TABEL

Halaman

½¾¿ÀÁÂÃ Ä Å Á¾½ÀÅÆÇ ÈÇÉÊ ËÌÍ¾ÎÄÊ ËÌÍ¾ÆÇÄ ÆÅÏÀÏÐÈ¾Ï ÇÅ Î ÀÆÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ ÂÑ

½¾¿ÀÁÒÃ ÐÈ¾ÈÇÏÈÇ É¾ÓÀÏ ÉÆÇ Ô ÈÇ ÕÓ¾ È¾ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ ÖÖ

½¾¿ÀÁÖÃ ×ÇÁ¾ÇÊØËÙ ÚÛÂÏ¾ ÜÔ¾ÇÍÀ ÎÝ¾ÎÙ ÚÛÞÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ Öß

½¾¿ÀÁàÃ ×ÇÁ¾Ç Í¾ ÎáÀÔâÈâÏ ¾ Îã¾ÆÇ ¾¿ÀÁ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àÂ

½¾¿ÀÁäÃ ×ÇÁ¾Ç Í¾ ÎáÀÔâÈâÏ ¾ Îã¾ÆÇ ¾¿ÀÁ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àÂ

½¾¿ÀÁåÃ ×ÇÁ¾Ç Í¾ ÎáÀÔâÈâÏ ¾ Îã¾ÆÇ ¾¿ÀÁ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àÒ

½¾¿ÀÁÞÃ ×Ç Á¾Ç Í¾ ÎáÀÔâ ÈâÏ¾ Îã¾ Æ Ç¾¿À Á ÜÀ ÎÝÝâ Î¾É¾ÎÆÀ ÝÆÀÏ Ç

ÁÇÎÇÀÆ¿ÀÆ Ý¾ ÎÍ ¾ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àÖ

½¾¿ÀÁßÃ ×Ç Á¾Ç Í¾ ÎáÀÔâ ÈâÏ¾ Îã¾ Æ Ç¾¿À Á ÜÀ ÎÝÝâ Î¾É¾ ÎÆÀ ÝÆ ÀÏÇ

ÁÇÎÇÀÆ¿ÀÆ Ý¾ ÎÍ ¾æÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àÖ

½¾¿ÀÁÑÃ ×Ç Á¾Ç Í¾ ÎáÀÔâ ÈâÏ¾ Îã¾ Æ Ç¾¿À Á ÜÀ ÎÝÝâ Î¾É¾ ÎÆÀ ÝÆ ÀÏÇ

ÁÇÎÇÀÆ¿ÀÆ Ý¾ ÎÍ ¾æÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àà

½¾¿ÀÁÂçÃ×ÇÁ¾Ç

t

Í¾ ÎÉÀÔâ ÈâÏ ¾ Îã¾ÆÇ ¾¿ À Á Ï ÀÈÀ Á¾ èÍÇÁ¾ÉâÉ¾ Î

ÔÀÎÝÅ Á ¾ è¾Îâ Á¾ ÎÝ ÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃÃ àà

(12)

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 ýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýýý

(13)

x

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* :

(14)

1

`ab

DAHULUAN

1.1 Latar Belakang

c dedfghgij khhdl ke ki demnkfkhokp kqok

tu

r kfs gendhsj hlmhs mfidhtknkj

fdo du kq sdekkh i ko

y

kekf k

t

h

y

k

.

v dlkek wde fdi w khl odn dej

t

xhygh do j k i dijpjfj

ose mfsmendedfghgijkhkhl

y

iko jq wdetgekfkle kej o

y

k hlt dhyde mhl i kojqo khlk

t

e dhs kh y dhlkh kykh

y

k lght khlkh

t

deqkykn f do

t

kwj p kh fdljk

t

kh ndedfg hgij khz

wdendhlke mqk

t

k

u

w de pkfmyjykpkiomk

tu

ndedfghg ij khz

(15)

(16)

ÆÇ ÈÉÊËÉ ÌÍ ÇÎÏ ÐÎÑ

u

ÇÉ ÒÐÎ ÍÇÏ ÈÓÔ Õ ÊÎÉ ÔÖ È ×Ì ×ÇÐ ÇØ Ç ÊÎ ×ÙÎØ ÎÉÚ

y

ÛÜØÜÙ

ÝÌ ÍÎ Þ ÝÎÚÇ ÙÌ ÞØ Ì ×ÝÎÉÚÎÉ ÙÌ ÞÌØËÉË × ÇÎÉ ÉÌÚÎ ÞÎ

.

Ô Ì ßÇÉ ÚÚÎ ÙÌ ÞÎÉ Ù Ì×Ì ÞÇÉàÎ ß

ÊÎÐÎ × ×Ì ÞÌÉ ÛÎÉÎØ ÎÉ Ï ×ÌÉ ÚÎ× ÝÇÐ ÍÌ ÞÎ

t

×ÌÉÚÌáÎÐÜÎ Í Ç ØÌÝÇÑÎØÎÉ ÙÌÞÌØËÉË ×ÇÎÉ

y

ÎÉÚ ÊÎÙ Î

t

×Ì ×ÙÌÉ ÚÎ ÞÜ ßÇ ßÎÐ âßÎÐ

t

Ì ÞÍÌ ÝÜà ÍÎÉ ÚÎ

t

Ê ÇÙÌ ÞÐ ÜØÎÉ

.

ãÐ Ì ß ØÎÞÌÉÎ Ç

tu

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× ×Ì

t

ËÊÌ ÜÉàÜØ ×ÌÉ ÚÎ ÉÎÐÇÍ Ç Í ÊÎ

t

Î ÞÜÉàÜÉ

w

ÎØà

u

Ê ÇÎÉà Î ÞÎÉ

y

ÎåæÈç åè éê

t

ëì íîìí

sif Integrated Moving Average

ïÊÎÉðåæè

Vector

Autoregressive

ï

.

ñÌ ×ËÊÌÐ ÎÉ åæÈçå Ê ÇÚÜÉÎØ ÎÉ ÜÉàÜØ ÊÎ

t

Î

time series

u

É Ç áÎ ÞÇÎ

t.

Ô ÌÊÎÉ ÚØÎÉ Ù Ì ×ËÊÌÐÎÉ ð åæ Ê ÇÚÜÉ ÎØÎÉ ÜÉàÜØ ÊÎ

t

Î

time series

×ÜÐ

t

Ç áÎ ÞÇÎ

t.

ð åæ

×Ì ÞÜÙÎØÎÉ Ù Ì ×ËÊÌÐ ÎÉ ÙÌ ÞÍÎ×Î ÎÉ Í Ç×ÜÐ

t

ÎÉ

y

ÎÉ Ú ×Ì ×ÇÐ ÇØ Ç ÝÌ ÝÌ ÞÎÙÎ áÎÞÇÎÝÌÐ

ÌÉÊË 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 ÍÎ

tu

ÍÎ×Î ÐÎ ÇÉ ÏÍ Ì ßÇÉ ÚÚÎÙÌÞÎ×ÎÐÎÉ

Ê 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 ÉÚ

y

ÎØÎÉ

Ê ÇÝÎ ßÎ ÍÎÊÎÐ Î ßó

Î

.

ÖÎÚÎ Ç ×ÎÉ Î×Ì ×ËÊÌÐØ ÎÉÐÎÑ

u

ÇÉ ÒÐ ÎÍ Ç Ï ÈÓÔ ÕÊ ÎÉÔÖ ÈÊ ÌÉÚÎÉÙ ÌÉÊÌØ Î

t

ÎÉ

×ËÊÌÐ

Vector Autoregressive

èð åæ ïô

Ýò ÖÎÚÎ Ç ×ÎÉ Î Ù ÞÌÊ ÇØ Í Ç è

forecasting

ï ÐÎÑ

u

ÇÉ ÒÐÎ Í ÇÏ ÈÓÔ Õ ÊÎÉ Ô Ö È ÝÌ ÝÌÞÎÙÎ

(17)

1.3 Batasan Masalah

ö÷

t

÷ø÷ùú ÷ø÷û ÷üý÷û÷úþ ÿù ÿû

t

÷ù ù ÷ý ÷û÷ü

÷

.

ÿ

t

ý ÿ

y

÷ù ýù÷ ÷ù ø ÿ÷ ÷ þÿ ÷ú ÷û ÷ù úÿù ù÷ ÷ù úÿ

t

ý ÿ

Vector Autoregressive

.

÷

t

÷

y

÷ù ý ù ÷ ÷ù ÷ý÷û÷ü ý ÷

t

÷ û ÷ù ÷ù û÷

u

ù û÷ø ý÷ù ö

ý ÷ ÷ù ÷

2008

ø÷ú þ÷ ý ÿù ÷ù ù

201 .

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 ÿû

Vector Autoregressive

.

ÿû ÷ ÷ù þÿ ÷ú ÷û÷ù û ÷

u

ù û ÷ø ý ÷ù ö ý ÿù÷ù þÿùý ÿ÷

t

÷ù