PEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKATAN THRESHOLD VECTOR ERROR CORRECTION MODEL. Surabaya, 30 Januari 2011

Ukuran: px

Mulai penontonan dengan halaman:

Download "PEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKATAN THRESHOLD VECTOR ERROR CORRECTION MODEL. Surabaya, 30 Januari 2011"

Johan Yuwono
7 tahun lalu
Tontonan:

1 PEMODELAN SUKU BUNGA DAN INFLASI DENGAN PENDEKAAN HRESHOLD VECOR ERROR CORRECION MODEL OLEH : HERI PURNOMO PEMBIMBING : Dr. PURHADI, M.Sc Surabaya, 30 Jauari 2011 Pedahulua Suku buga da iflasi adalah idikator makro ekoomi. Kebijaka moeter bertujua utuk pegedalia iflasi. Perubaha stabilisasi dari jumlah uag beredar mejadi iflatio targetig framework dega megguaka istrume suku buga. 1

2 Pedahulua Beberapa pedapat megeai suku buga iflasi Aggito Abimayu (1996), uji kausalitas Grager dega kelambaa dua da tiga tahu Baasir (2003), iflasi di Idoesia disebabka oleh beragam faktor da buka saja merupaka feomea jagka pedek tetapi juga jagka pajag Bachtiar (2005), suku buga bertujua utuk mestabilka ilai tukar Pedahulua Beberapa peelitia sebelumya tetag suku buga da iflasi Peeliti Data Hasil Amilia Utomo(2006) Puromo (2004) Suku buga da iflasi Uji kausalitas atara suku buga da iflasi Adaya pegaruh yag sigifika atara iflasi da suku buga deposito berjagka di Idoesia Membuktika bahwa tigkat buga berpegaruh terhadap iflasi, amu tidak sebalikya Erawati da Llewly (2007) Suku buga da laju iflasi di Idoesia Adaya hubuga yag searah da sigifika atara suku buga da iflasi 2

3 Pedahulua ujua ujua peelitia ii adalah medapatka model suku buga da iflasi di Idoesia dega pedekata hreshold Vector Error Correctio Model Batasa Masalah Peelitia dibatasi haya pada pemodela hreshold h Vector Error Correctio Model dega dua variabel ijaua Pustaka og & Lim : hreshold autoregressio Balke & Fomby : hreshold coitegratio Hase & Seo : hreshold coitegratio i vector error correctio model 3

4 ijaua Pustaka Model Liier VECM (Hase-Seo, 2002): ( β ) Δ x = A X + u t t-1 t dimaa : x = ( x x ) t 1 2 ( β) = ( 1 w ( β) ) Δ Δ Δ X x x x t-1 t 1 t 1 t 2 t l Model threshold koitegrasi (Hase-Seo, 2002) : ( β ) ( β ) A1 Xt-1 + ut Δxt = A2 Xt-1 + ut, jika wt 1( β ) γ, jika w ( β ) γ t 1 ijaua Pustaka Estimasi Parameter Megguaka MLE dega asumsi error adalah iid Gaussia. Fugsi likelihood : 1 L,,,, = l,,,,,,,, 1 ( A A β γ) u ( A A β γ) u ( A A β γ) 1 2 t 1 2 t t= 1 dimaa : (,,, β, γ) = ( β) d ( β, γ) ( β) d ( β, γ) u A A x A X A X t 1 2 t 1 t 1 1t 2 t 1 2t 4

5 ijaua Pustaka Estimasi Parameter ˆ A 1 ( βγ, ) = X t 1 ( β ) ( X t 1 ( β ) ) d 1t ( βγ, ) X t 1 ( β ) x t d 1t ( βγ, ) t=1 t=1 ˆ A 2( β, γ) = Xt 1( β) ( Xt 1( β) ) d 2t( β, γ) Xt 1( β) xt d 2t( β, γ) t=1 t=1 ( ) ( β γ) = ˆ ( β γ) ˆ ( β γ) uˆ, u A,, A, t t 1 2 ˆ 1 uˆ ˆ ( βγ, ) = ut ( βγ, ) ( ut ( βγ, ) ) t= 1 Sehigga didapatka : p L ( βγ, ) = l ˆ ( βγ, ) ijaua Pustaka Kriteria Peetua Lag Optimum AIC (Akaike's Iformatio Criterio) ˆ 2 ( p ) ( ) AIC = l + 2 pq + q (p) BIC (Bayesia Iformatio Criterio) BIC (p) ˆ ( p ) = l + ( ) 2 pq l dimaa : : jumlah observasi p : pajag lag : peaksir matrik varia kovaria residual q : jumlah parameter yag diestimasi 5

6 Metodologi Peelitia 1. Data yag diguaka Data BI rate per bula periode Jauari 2003-Desember 2009 bersumber dari Bak Idoesia Data iflasi per bula periode Jauari 2003-Desember 2009 bersumber dari BPS Jumlah pegamata 84 (=84) 2. Variabel yag diguaka X 1 = suku buga X 2 = iflasi Metodologi Peelitia 3. Kosep da defiisi Suku buga adalah harga yag dibayarka utuk satua mata uag yag dipijam pada periode waktu tertetu (Courat, 1997). Suku buga dapat dibedakad mejadi dua yaitu suku buga omial (Nomial Iterest Rate) da suku buga riil (Real Iterest Rate). BI Rate adalah suku buga kebijaka yag mecermika sikap atau stace kebijaka moeter yag ditetapka oleh bak Idoesia da diumumka kepada publik. Iflasi adalah suatu keaika relative dalam tigkat harga umum (Wiardi, 1995). Iflasi adalah salah satu feomea moeter yag meujukka suatu kecederuga aka aikya harga-harga barag secara umum, yag berarti terjadiya peurua ilai uag (Value of Moey Decliig). 6

7 4. Lagkah-lagkah peelitia : Metodologi Peelitia 1. Melakuka uji kausalitas Grager terhadap variabel peelitia 2. Meetuka lag optimum yag diguaka 3. Melakuka Uji Koitegrasi atar variabel peelitia 4. Melakuka pemodela Liier VECM 5. Meetuka ilai threshold yag diguaka 5. Melakuka pemodela hreshold Vector Error Correctio Model Graphical User Iterface (GUI) ombol utuk melakuka pemaggila data, data dalam format text (txt) Isika jumlah lag yag diguaka dalam model Isika jumlah grid utuk gamma Isika jumlah grid utuk beta Isika jumlah replikasi bootstrap Isika ilai trimmig ombol utuk memproses data ombol utuk keluar dari aplikasi 7

8 Hasil Peelitia BI Rate da Iflasi, Grafik 1. BI Rate da Iflasi y-o-y, Ja 2003-Des 2009 Grafik 2.Iflasi Bula Jauari 2003-Desember BI Rate Iflasi yoy Ja-03 Ju-03 Nov Sep-04 Feb Dec-05 May-06 Oct-06 Mar-07 Aug-07 Ja-08 Ju-08 Nov Sep Ja-03 Ju-03 Nov Sep-04 Feb Dec-05 May-06 Oct-06 Mar-07 Aug-07 Ja-08 Ju-08 Nov Sep-09 Grafik 1 meujukka pergeraka BI rate dega Iflasi year o year periode Jauari 2003 sampai dega Desember 2009 Grafik 2 meujukka pergeraka iflasi per bula periode Jauari 2003 sampai dega Desember Hasil Peelitia Uji Kausalitas Hipotesis H0 : idak ada hubuga kausalitas atara variabel x1 da x2 H1 : Ada hubuga kausalitas atara variabel x1 da x2 Null Hypothesis: Obs F-Statistic Probability SBI does ot Grager Cause INF 82 2, ,0916 * INF does ot Grager Cause SBI 5, ,0087* *) sigifika α=0.1 Dari pegujia dega uji F, disimpulka bahwa ada hubuga kausalitas atara x1 da x2 dega tigkat sigifikasi 10 perse (α=0.1) 8

9 Hasil Peelitia Peetua Lag Optimum Lag AIC BIC * * *) idikasi lag order yag diguaka AIC: Akaike iformatio criterio BIC: Bayesia iformatio criterio Lag 2 terpilih karea ilai AIC da BIC terkecil dihasilka pada lag ii, dari hasil tersebut dapat diputuska bahwa lag optimum dalam peelitia ii adalah lag 2 Hasil Peelitia Uji Koitegrasi Nilai Statistik race da Probabilita Pegujia Koitegrasi Hipotesisi Hipotesisi race Eigevalue Nol Alteratif Statistic Critical Value Prob.** r = 0 * r > 0 0, , , ,0000 r 1 * r > 1 0, , , ,0128 Ket : *) sigifika level 5% Nilai Statistik Maximum Eigevalue da Probabilita Pegujia Koitegrasi Hipotesis Hipotesis Max-Eige 0.05 Eigevalue Nol Alteratif Statistic Critical Value Prob.** r = 0 * r > 0 0, , , ,0000 r 1 * r > 1 0, , , ,0128 Ket : *) sigifika level 5% Hasil pegujia meujukka adaya koitegrasi atar variabel peelitia, dega tigkat sigifikasi 5 perse. 9

10 Hasil Peelitia Peaksira Nilai hreshold (gamma) da Koitegrasi (beta) Cocetrated Negative Log Likelihood vs Gamma 178 Cocetrated Negative Log Likelihood vs Beta Negative Log Likelihood Negative Log Likelihood Gamma (a) Beta (b) Gambar (a) meujukka besarya ilai threshold (Gamma) yag diperoleh dega megguaka algoritma Hase-Seo yag diaplikasika pada program sebesar 1,287 yag merupaka batas atara regime ekstrim da regime biasa. Gambar (b) meujukka ilai hasil peaksira koitegrasi (Beta) sebesar Hasil Peelitia Model hreshold Vector Error Correctio utuk suku buga da iflasi x ( β ) d ( β, γ ) ( β ) d ( β, γ ) x = A X + A X + u t 1 t 1 1t 1 t 1 2t t dimaa : ( βγ) = ( ( β) ) ( βγ) = ( ( β) > ) d, I w 1,287 1t t 1 d, I w 1,287 2t t 1 0,0108 0,0794 0,1013 0,1704 1,0589 0,1645 = da 0,1453 0,3457 0,0167 0,4373 0,1153 0,1455 A1 A2 0,0383 0,0228 0,0132 0,1395 0,4786 0,0515 = 0,3417 0,5566 0,2259 0,2533 0,2038 0,

11 Hasil Peelitia Model suku buga da iflasi dega pedekata VECM adalah sebagai berikut : SBI 0, ,0108wt 1+ 1,0589ΔSBIt 1 0,0167ΔSBIt 2+ 0,1453ΔINFt 1 0,1153ΔINFt 2 + u 1, jika w t t 1 1,287 Δ t = 0,0132 0,0383wt 1 + 0,4786ΔSBIt 1 0,2259ΔSBIt 2 + 0,3417ΔINFt 1 0,2038ΔINFt 2 + u 1, jika w t t 1 > 1,287 dimaa : w = SBI 14,79INF t 1 t 1 t 1 Persamaa Fisher Hasil Peelitia 20 ime Series Plot of SB_Riil SB_Riil Hubuga atara suku buga da iflasi digambarka dalam persamaa Fisher : Suku buga riil = suku buga omial - iflasi -30 Moth Year Ja O ct Ja O ct Ja Oct Ja O ct Ja O ct Ja O ct Ja Grafik di atas meujukka suku buga riil berdasarka model VECM da ilai threshold sebagai batas keseimbaga atara suku buga da iflasi, sebesar perse 11

12 Kesimpula Pemodela dega megguaka pedekata threshold error correctio model dapat meggambarka dua kodisi yag berbeda. Dalam pemodela suku buga da iflasi dihasilka bahwa suku buga saat ii dipegaruhi satu sampai dua periode sebelumya (2 lag). Pecapaia keseimbaga atara suku buga da iflasi sagat lamba, lebih dari 2 (dua) tahu. Keberadaa threshold dalam model dapat meggambarka titik keseimbaga atara variable suku buga da iflasi. itik keseimbaga jagka pajag atara suku buga da iflasi sebesar 1,287 perse, dega kata lai bahwa suku buga riil yag harus dipertahaka adalah kurag lebih 1,287 perse. 12

dokumen-dokumen yang mirip

BAB III METODE PENELITIAN

6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag