4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX)
|
|
- Glenna Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 4 MODEL VECTOR AUTOREGRESSIVE EXOGENOUS (VARX) Pendahuluan Beberapa penelitian curah hujan dengan satu lokasi curah hujan (tunggal) dengan model ARIMA telah dilakukan, di antaranya oleh Mauluddiyanto (2008) dan Kalfarosi (2009) dengan model ARIMA curah hujan di Surabaya, Naill (2009) dengan model ARIMA curah hujan di Jordania. Model curah hujan dengan beberapa lokasi curah hujan disebut sebagai model Vector Autoregresive (VAR). Hal ini berarti model deret waktu ganda dilakukan secara simultan karena pergerakan data curah hujan terjadi secara bersama atau mengikuti pergerakan data curah hujan di stasiun curah hujan lainnya. VAR merupakan suatu sistem persamaan dinamis, dengan pendugaan suatu peubah pada periode tertentu tergantung pada pergerakan peubah tersebut dan peubah-peubah lain yang terlibat dalam sistem pada periode-periode sebelumnya (Enders 1995; Bank of England 2004). Dalam penyusunan modelnya, model VAR hanya menggunakan peubah endogen antar lokasi curah hujan. Pada model VAR dapat ditambahkan peubah eksogen dan dikenal sebagai model Vector Autoregressive Exogenous (VARX). Peubah eksogen merupakan peubah yang ditentukan berada di luar sistem namun digunakan dalam pemodelan karena dianggap mempengaruhi peubah endogen. Pada umumnya model VAR dan VARX banyak diterapkan pada bidang ekonomi. Beberapa penerapannya dapar dipelajari oleh Hamilton (1994), MacKinlay (1997), Tsay (2001). Pada kasus curah hujan, adanya korelasi data curah hujan antar lokasi stasiun curah hujan dalam suatu wilayah mengakibatkan pemodelan tidak dapat dilakukan dengan model deret waktu tunggal melainkan dengan model deret waktu ganda. Aspek korelasi ini diperhitungkan baik pada model VAR dan VARX.
2 42 Model VAR dan VARX VAR dikembangkan oleh seorang ahli Ekonometrik, Christopher A. Sims, sebagai pendekatan alternatif model terhadap model persamaan ganda dengan pertimbangan meminimalkan pendekatan teori yang bertujuan agar mampu menangkap fenomena ekonomi dengan baik (Widarjono 2007). Sims berpendapat bahwa jika terdapat hubungan simultan antar peubah yang diamati, maka peubah-peubah tersebut harus diperlakukan sama sehingga tidak ada lagi peubah endogen dan eksogen (Nachrowi 2006). Secara umum model umum dinyatakan dalam persamaan atau dengan vektor berukuran nx1 yang berisi n peubah yang masuk dalam model VAR pada waktu t dan t-i, i = 1,2,...p vektor intersep berukuran nx1 matriks koefisien berukuran nxn untuk setiap i = 1,2,...p vektor sisaan berukuran nx1 yakni p = ordo VAR ; t = periode amatan Suatu model VAR sederhana yang terdiri dari 2 lokasi curah hujan dan lag 1 dapat dinyatakan sebagai berikut. Sehingga VAR(1) untuk 2 lokasi curah hujan dalam bentuk matriks dinyatakan dengan Parameter dalam model VAR dapat diduga dengan menggunakan ordinary least square (OLS). Model VARX, bentuk umum model VARX dengan ordo p dan eksogen q (VARX(p,q)) dinyatakan seperti berikut.
3 43 dengan merupakan vektor dari peubah endogen, vektor intercept, merupakan matriks, dan merupakan vektor dari peubah eksogen, merupakan vektor residual. Suatu model VARX sederhana yang terdiri dari dua lokasi curah hujan lag 1, misalkan dengan dua peubah eksogen dapat dinyatakan sebagai berikut. Sehingga VAR(1) untuk 2 lokasi curah hujan dalam bentuk matriks dinyatakan dengan Metode Data curah hujan yang dianalisis merupakan data lengkap pada setiap wilayah. Tahapan analisisnya seperti ditunjukkan pada pada Gambar 22. Pemodelan VAR dan VARX memerlukan data yang stasioner. Data runtun waktu dikatakan stasioner jika nilai rataan dan ragam dari data tersebut tidak mengalami perubahan secara sistematik sepanjang waktu atau dengan kata lain rataan dan ragamnya konstan. Jika data tidak stasioner dalam ragam dilakukan transformasi dengan metode Box Cox. Selanjutnya, dilakukan pengujian apakah data stasioner dalam rataan, pengujian dilakukan dengan uji augmented Dicky Fuller (ADF). Jika tidak stasioner dalam rataan dilakukan pembedaan (differencing). Uji Kausalitas Granger diperlukan untuk mengetahui apakah terdapat hubungan yang saling mempengaruhi antar peubah endogen. Uji kausalitas ini diperlukan untuk melihat pengaruh masa lalu terhadap kondisi sekarang. Pemilihan ordo VAR, dapat dilakukan dengan memperhatikan nilai Akaike Information Criterion (AIC) atau Schwarz Information Criterion (SIC) dengan rumus sebagai berikut: ;
4 44 dengan menyatakan kuadrat residual, adalah jumlah peubah independen dan menyatakan jumlah observasi. Panjang lag yang dipilih didasarkan pada nilai AIC maupun SC yang minimum (Enders 2004). Pemilihan ordo ini dapat juga mempertimbangkan nilai terkoreksi. Pendugaan model VAR dilakukan dengan ordinary least square (OLS). Ketepatan peramalan ditentukan dengan RMSEP (Root Mean Square Error Prediction). Rumus yang digunakan yakni dengan = data aktual ; = data ramalan. Semakin kecil nilai RMSEP data hasil peramalan semakin mendekati nilai aktual. Pemodelan VARX menggunakan ordo yang sama dengan model VAR. Gambar 22 Diagram alir metodologi pemodelan dengan VAR
5 45 Hasil dan Pembahasan Pembahasan meliputi penentuan model VAR dan penentuan model VARX untuk semua wilayah. Pada penjelasan model VAR dan VARX dilakukan terhadap masing-masing wilayah dengan dua lokasi stasiun curah hujan. Penentuan model VARX dengan menambahkan peubah eksogen pada model VAR. 1 Pemodelan VAR Sesuai dengan metode penelitian, bahwa data yang dipergunakan dalam penelitian merupakan data lengkap yang stasioner dalam ragam dan rataan. Pada data dilakukan transformasi dengan Box Cox untuk setiap lokasi curah hujan. Selanjutnya pemodelan VAR dilakukan untuk curah hujan di setiap wilayah: wilayah 1, wilayah 2 dan wilayah 3. Model VAR wilayah 1 merupakan VAR(1) dengan nilai AIC Model VAR wilayah 2 merupakan model VAR ordo 1 (VAR(1)) dengan nilai AIC Model VAR wilayah 3 merupakan model VAR(1) dengan nilai AIC Dengan demikian model seluruh wilayah merupakan model VAR (1). Model masing-masing wilayah untuk dua stasiun curah hujan ditunjukkan pada Tabel 11. Model VAR (1) selengkapnya untuk setiap stasiun curah hujan pada setiap wilayah ada pada Lampiran 6. Tabel 11 Model VAR (1) untuk wilayah 1, 2 dan 3 No Stasiun Model VAR 1 Wilayah 1
6 46 2 Wilayah 2 3 Wilayah 3 Model curah hujan dengan VAR(1) pada wilayah 1 stasiun Anjatan, curah hujan dipengaruhi oleh curah hujan stasiun lain dalam satu wilayah 1 periode sebelumnya (lag1). Demikian juga curah hujan di stasiun Sumurwatu, dipengaruhi curah hujan stasiun lain dalam satu wilayah pada satu periode sebelumnya (lag 1). Hal yang sama untuk wilayah lainnya. Penduga parameter model VAR (1) selengkapnya pada Lampiran 5. Nilai korelasi untuk masing-masing stasiun ditunjukkan pada Tabel 12. Nilai korelasi terbesar di stasiun Anjatan sebesar Selengkapnya untuk korelasi di wilayah 1 sebesar 0.65; wilayah 2 sebesar 0.58; wilayah 3 sebesar Nilai korelasi ini memiliki korelasi yang lebih besar dibandingkan dengan nilai korelasi yang dihasilkan oleh BMKG. Nilai RMSEP terendah pada stasiun Kedokan Bunder sebesar 5.35 mm dan tertinggi pada stasiun Gantar sebesar mm. Tabel 12 Korelasi dan RMSEP model VAR (1) Wilayah Lokasi stasiun curah hujan Korelasi RMSEP (mm) 1 Anjatan Sumur Watu SalamDarma Gantar Kedokan Bunder Sudi Mampir
7 47 2 Model VARX dengan SST Nino 3.4, SOI dan DMI Pada penentuan model VARX digunakan faktor eksogen SST di kawasan 3.4, SOI dan DMI yang diduga mempengaruhi curah hujan pada masing-masing wilayah. Model untuk masing-masing wilayah yang diwakili dua stasiun ditunjukkan pada Tabel 13. Wilayah 1 terdiri dari 11 stasiun curah hujan yakni Anjatan, Bugel, TulungKacang, Cikedung, Kroya, Sukadana, Sumurwatu, Tugu, Karangasem, Lawangsemut, Wanguk, Gabus wetan, dan Bondan. Berdasarkan uji yang dilakukan, faktor dominan yang berpengaruh terhadap wilayah 1 yakni SST 3.4 dan DMI. Tabel 13 Model VARX (1) untuk wilayah 1, wilayah 2 dan wilayah 3 dengan peubah eksogen SST 3.4, SOI, dan DMI No Stasiun Model VARX 1 Wilayah 1 2 Wilayah 2 3 Wilayah 3
8 48 Berdasarkan model penduganya, tampak bahwa setiap kenaikkan satu satuan SST Nino 3.4 akan menurunkan curah hujan sebesar dan masing-masing untuk curah hujan di stasiun Anjatan dan Gantar. Sebaliknya, setiap kenaikkan 1 satuan DMI akan menaikkan curah hujan sebesar dan 0.77 masing-masing untuk stasiun Anjatan dan Gantar. Wilayah 2 curah hujan terdiri dari 2 stasiun curah hujan yakni stasiun SalamDarma dan Gantar. Berdasarkan uji yang dilakukan, faktor dominan yang berpengaruh terhadap wilayah ini hanya SST 3.4. Berdasarkan model penduganya, nampak bahwa setiap kenaikkan satu satuan SST di kawasan Nino 3.4 akan menurunkan curah hujan sebesar dan masingmasing untuk curah hujan di stasiun Salamdarma dan Gantar. Hal ini berarti bahwa jika suhu permukaan laut semakin besar akan berpotensi menurunkan curah hujan di stasiun Salam Darma dan Gantar. Nilai RMSEP untuk pendugaan curah hujan di stasiun Salam Darma sebesar dan untuk stasiun Gantar, dengan nilai korelasi masing-masing sebesar 0.61 dan Wilayah 3 terdiri dari 13 stasiun curah hujan yakni Bangkir, Cidempet, Indramayu (Indra), Jatibarang, Juntinyuat, Kedokan Bunder, Lohbener, Losarang, SudiMampir, Krangkeng, SudiKampiran. Berdasarkan uji yang dilakukan, faktor dominan yang berpengaruh terhadap wilayah 3 yakni SST 3.4 dan DMI. Berdasarkan model penduganya, nampak bahwa setiap kenaikkan satu satuan SST di kawasan 3.4 akan menurunkan curah hujan sebesar dan masing-masing untuk curah hujan di stasiun Kedokan Bunder dan Sudi Mampir. Sebaliknya, setiap kenaikkan 1 satuan DMI akan menaikkan curah hujan sebesar dan masing-masing untuk stasiun Kedokan Bunder dan Sudi Mampir.
9 49 Nilai korelasi untuk masing-masing stasiun ditunjukkan pada Tabel 14 Nilai rata-rata korelasi di wilayah 1 sebesar 0.67 ; wilayah 2 sebesar 0.62; wilayah 3 sebesar 0.6. Nilai RMSEP setiap wilayah, wilayah 1 sebesar ; wilayah 2 sebesar ; wilayah 3 sebesar Tabel 14 Korelasi dan RMSEP untuk model curah hujan VARX (1) dengan peubah eksogen SST 3.4, SOI, dan DMI Wilayah Lokasi stasiun Korelasi RMSEP curah hujan (mm) 1 Anjatan Sumur Watu SalamDarma Gantar Kedokan Bunder Sudi Mampir Model VARX dengan anomali SST Nino 3.4, SOI dan DMI Pemodelan VARX dalam uraian ini dilakukan dengan menambahkan pengaruh faktor lain yakni anomali SST Nino 3.4, SOI dan DMI yang diduga mempengaruhi curah hujan pada masing-masing wilayah. Model VARX untuk masing-masing wilayah dengan dua stasiun ditunjukkan pada Tabel 15. Model selengkapnya pada Lampiran 5. Tabel 15 Model VARX (1) untuk setiap wilayah 3 dengan peubah eksogen anomali SST 3.4, SOI, dan DMI No Stasiun Model VAR 1 Wilayah 1
10 50 2 Wilayah 2 3 Wilayah 3 Berdasarkan model penduganya, tampak bahwa setiap kenaikkan satu satuan SOI akan menaikkan curah hujan sebesar dan masingmasing untuk curah hujan di stasiun Anjatan dan Sumurwatu. Curah hujan di wilayah 2 yakni di stasiun Salam Darma dan Gantar, dipengaruhi peubah eksogen DMI. Berdasarkan model penduganya, nampak bahwa setiap kenaikkan satu satuan DMI akan menurunkan curah hujan sebesar 1.41 dan masing-masing untuk curah hujan di stasiun Salam Darma dan Gantar. Berdasarkan uji yang dilakukan, faktor dominan yang berpengaruh terhadap wilayah 3 yakni SOI dan DMI. Model penduganya, tampak bahwa setiap kenaikkan satu satuan SOI dan DMI akan menaikkan curah hujan sebesar dan masing-masing untuk curah hujan di stasiun Kedokan Bunder dan Sudi Mampir. Demikian juga, setiap kenaikkan 1 satuan DMI akan menaikkan curah hujan sebesar dan masing-masing untuk stasiun Kedokan Bunder dan Sudi Mampir.
11 51 Nilai korelasi untuk masing-masing stasiun ditunjukkan pada Tabel 16 berikut. Nilai rata-rata korelasi di wilayah 1 sebesar 0.67 ; wilayah 2 sebesar 0.61; wilayah 3 sebesar Nilai RMSEP setiap wilayah, wilayah 1 sebesar ; wilayah 2 sebesar ; wilayah 3 sebesar Tabel 16 Korelasi dan RMSEP model curah hujan VARX (1), peubah eksogen anomali SST Nino 3.4, SOI dan IDM Wilayah Lokasi stasiun curah hujan Korelasi RMSEP (mm) 1 Anjatan Sumur Watu SalamDarma Gantar Kedokan Bunder Sudi Mampir Simpulan Berdasarkan penelitian yang telah dilakukan dapat ditentukan model VAR (1) untuk wilayah 1 (Anjatan dan Sumurwatu), wilayah 2 (Salamdarma dan Gantar) dan wilayah 3 (Kedokan Bunder dan Sudimampir), masing-masing dengan Root Mean Square Error Prediction (RMSEP) sebesar 17.11, dan Nilai korelasi curah hujan dengan pendugaannya masing-masing. Selanjutnya, dapat ditentukan model VARX dengan faktor-faktor dominan yang berpengaruh terhadap curah hujan di tiga pewilayahan curah hujan. Wilayah 1 dipengaruhi oleh DMI dan SST Nino 3.4, wilayah 2 dipengaruhi oleh SST Nino3.4 dan wilayah 3 dipengaruhi SST Nino 3.4 dan DMI. Model VARX dengan faktor-faktor dominan yang berpengaruh terhadap curah hujan di tiga pewilayahan curah hujan. Wilayah 1 dan 3 dipengaruhi oleh anomali SST Nino 3.4, SOI dan DMI, namun di wilayah 2 tidak dipengaruhi oleh faktor-faktor tersebut.
MODEL VEKTOR AUTOREGRESSIVE UNTUK PERAMALAN CURAH HUJAN DI INDRAMAYU (Vector Autoregressive Model for Forecast Rainfall In Indramayu )
, Oktober 2011 p: 7-11 Vol 16 No 2 ISSN : 0853-8115 MODEL VEKTOR AUTOREGRESSIVE UNTUK PERAMALAN CURAH HUJAN DI INDRAMAYU (Vector Autoregressive Model for Forecast Rainfall In Indramayu ) Dewi Retno Sari
Lebih terperinci3 PEWILAYAHAN CURAH HUJAN
3 PEWILAYAHAN CURAH HUJAN Pendahuluan Daerah prakiraan musim (DPM) merupakan daerah dengan tipe hujan yang memiliki perbedaan yang jelas antara periode musim kemarau dan musim hujan berdasarkan pola hujan
Lebih terperinci5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS
5 MODEL ADITIF VECTOR AUTOREGRESSIVE EXOGENOUS Pendahuluan Pada model VARX hubungan peubah penjelas dengan peubah respon bersifat parametrik. Stone (1985) mengemukakan pemodelan yang bersifat fleksibel
Lebih terperinci2 DESKRIPSI DATA PENELITIAN
2 DESKRIPSI DATA PENELITIAN Deskripsi Umum Kabupaten Indramayu ada umumnya secara geologis, wilayah Jawa Barat bagian utara terdiri dari dataran aluvial (alluvial plain). Berdasarkan pada peta Physiographic
Lebih terperinciTINJAUAN PUSTAKA. Hujan dan Curah Hujan
4 TINJAUAN PUSTAKA Hujan dan Curah Hujan Hujan adalah jatuhnya hydrometeor yang berupa partikel-partikel air dengan diameter 0.5 mm atau lebih. Hujan juga dapat didefinisikan dengan uap yang mengkondensasi
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1 Pemodelan Downscaling Menggunakan Jaringan Saraf Tiruan (JST) Percobaan pada penelitian ini dilakukan dengan menggunakan metode pelatihan jaringan saraf tiruan (JST) backpropagation
Lebih terperinci1 PENDAHULUAN Latar Belakang
1 PENDAHULUAN Latar Belakang Indonesia merupakan negara kepulauan dengan bentuk topografi yang sangat beragam, dilewati garis katulistiwa, diapit dua benua dan dua samudera. Posisi ini menjadikan Indonesia
Lebih terperinciPEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten Indramayu)
Xplore, 2013, Vol. 1(1):e3(1-7) c 2013 Departemen Statistika FMIPA IPB PEMBOBOTAN SUB DIMENSION INDICATOR INDEX UNTUK PENGGABUNGAN CURAH HUJAN (Studi Kasus : 15 Stasiun Penakar Curah Hujan di Kabupaten
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Eksplorasi data Tahap pertama dalam pembentukan model VAR adalah melakukan eksplorasi data untuk melihat perilaku data dari semua peubah yang akan dimasukkan dalam model. Eksplorasi
Lebih terperinciDepartemen Geofisika dan Metereologi FMIPA Institut Teknologi Bandung
Bionatura-Jurnal Ilmu-ilmu Hayati dan Fisik ISSN 1411-0903 Vol. 15, No. 2, Juli 2013: 71-78 MODEL Additive-Vector Autoregressive EXOGENOUS UNTUK PREDIKSI CURAH HUJAN DI KABUPATEN INDRAMAYU Saputro, D.R.S
Lebih terperinciIII METODE PENELITIAN
18 III METODE PENELITIAN 3.1. Kerangka Pemikiran Mengetahui kointegrasi pada setiap produk adalah salah satu permasalahan yang perlu dikaji dan diteliti oleh perusahaan. Dengan melihat kointegrasi produk,
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 1.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan pada bulan Februari hingga April 2011. Penelitian dilakukan dengan mengunjungi PT. Kharisma Pemasaran Bersama Nusantara (PT.
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series
40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU TUGAS AKHIR
PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh:
Lebih terperinciIII. METODE PENELITIAN. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari 2000
28 III. METODE PENELITIAN 3.1. Data 3.1.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan pada bulan Januari hingga Maret 2012. Penelitian dilakukan di Asosiasi Kakao Indonesia (Askindo). Penentuan tempat dilakukan
Lebih terperinciIII. METODOLOGI PENELITIAN. Untuk membatasi ruang lingkup permasalahan maka yang dijadikan objek
53 III. METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Untuk membatasi ruang lingkup permasalahan maka yang dijadikan objek penelitian yang dilakukan, maka penelitian ini akan menganalisis kinerja kebijakan
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Obyek Penelitian Obyek penelitian adalah sesuatu yang menjadi perhatian dalam suatu penelitian, objek penelitian ini menjadi sasaran dalam penelitian untuk mendapatkan
Lebih terperinciIII.METODE PENELITIAN. Penelitian ini merupakan penelitian kuantitatif, karena penelitian ini
43 III.METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini merupakan penelitian kuantitatif, karena penelitian ini disajikan dengan angka-angka. Hal ini sesuai dengan pendapat Arikunto (2006) yang
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan adalah data sekunder berupa time series
30 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder berupa time series bulanan periode Mei 2006 sampai dengan Desember 2010. Sumber data di dapat dari Statistik
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan untuk penelitian ini adalah pengeluaran riil pemerintah (G t ), PBD riil (Y t ), konsumsi (CC t ), investasi (I t ), Indeks Harga Konsumen
Lebih terperinci3. METODE PENELITIAN 3.1. Kerangka Pemikiran
3. METODE PENELITIAN 3.1. Kerangka Pemikiran Pengembangan bahan bakar alternatif untuk menjawab isu berkurangnya bahan bakar fosil akan meningkatkan permintaan terhadap bahan bakar alternatif, dimana salah
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
20 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode
Lebih terperinciBAB II TINJAUAN PUSTAKA. penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji
35 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini, yaitu ln return, volatilitas, data runtun waktu, kestasioneran, uji ACF, uji PACF, uji ARCH-LM,
Lebih terperinciBAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER
21 BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER 3.1 Model Variasi Kalender Liu (Kamil 2010: 10) menjelaskan bahwa untuk data runtun waktu yang mengandung efek variasi kalender, dituliskan pada persamaan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perusahaan merupakan suatu badan hukum yang memiliki suatu tujuan yang ingin dicapai salah satunya yaitu mendapatkan keuntungan. Untuk mencapai
Lebih terperinciBAB III DATA DAN METODOLOGI PENELITIAN
BAB III DATA DAN METODOLOGI PENELITIAN III.1 Data penelitian Penelitian interdependensi pasar saham indonesia dengan pasar saham dunia ini menggunakan data sekunder berupa nilai penutupan harian/daily
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciBAB II LANDASAN TEORI
perpustakaanunsacid digilibunsacid BAB II LANDASAN TEORI Pada bagian pertama bab kedua ini diberikan tinjuan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab
Lebih terperinciIII. METODE PENELITIAN. penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh pihak
46 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini bersifat kuantitatif, yaitu berupa data tahunan yang berbentuk angka dan dapat diukur/dihitung. Sumber
Lebih terperinciMETODE PENELITIAN. terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak,
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data terdiri dari data pinjaman luar negeri, pengeluaran pemerintah, penerimaan pajak,
Lebih terperinciBAB III PEMODELAN DATA IHSG DAN LAJU INFLASI INDONESIA MENGGUNAKAN VECTOR AUTOREGRESSIVE WITH EXOGENOUS VARIABLE (VARX)
BAB III PEMODELAN DATA IHSG DAN LAJU INFLASI INDONESIA MENGGUNAKAN VECTOR AUTOREGRESSIVE WITH EXOGENOUS VARIABLE (VARX) 3.1 Model Vector Autoregressive (VAR) Model Vector Autoregressive (VAR) adalah model
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
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
Lebih terperinciIII. METODE PENELITIAN. tahun 1980 hingga kuartal keempat tahun Tabel 3.1 Variabel, Notasi, dan Sumber Data
III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder berupa data kuartalan. Periode waktu penelitian ini dimulai dari kuartal pertama tahun
Lebih terperinciBAB III METODE PENELITIAN
45 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Untuk menggambarkan bagaimana pengaruh capital gain IHSG dengan pergerakan yield obligasi pemerintah dan pengaruh tingkat suku bunga terhadap IHSG dan
Lebih terperinciBAB III METODE PENELITIAN. kegunaan tertentu. Cara ilmiah berarti kegiatan penelitian itu didasarkan pada
BAB III METODE PENELITIAN Menurut Sugiyono (2013), Metode penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Berdasarkan hal tersebut terdapat empat
Lebih terperinciBAB III METODE PENELITIAN. analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan menggunakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Metode dan Sifat Penelitian Jenis penelitian ini menggunakan metode kuantitatif karena menggunakan data penelitian berupa angka-angka dan analisis dengan menggunakan metode
Lebih terperinciMETODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder dalam
32 III. METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk bulanan yang diperoleh dari berbagai sumber, yaitu: BPS (Badan Pusat Statistik),
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis data dilakukan dengan menggunakan Software Eviews Versi 4.1 dan Microsoft Office Excel Gambar 2 Plot IHSG.
kointegrasi lebih besar dari nol maka model yang digunakan adalah VECM (Enders, 1995). 4. Analisis model VAR, VARD atau VECM. 5. Interpretasi terhadap model. 6. Uji kelayakan model. 7. Pengkajian fungsi
Lebih terperinciPeramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar Amerika Menggunakan Model Vector Autoregressive (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 673-682 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Peramalan Laju Inflasi dan Nilai Tukar Rupiah Terhadap Dolar
Lebih terperinciIII. METODE PENELITIAN
18 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Dalam pencarian metode peramalan terbaik, diperlukan berbagai informasi relevan sebagai data penunjang untuk pasar kue. Peramalan pasar kue dapat dilakukan
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciHASIL DAN PEMBAHASAN Pengujian Akar Unit (Unit Root Test) bahwa setiap data time series yang akan dianalisis akan menimbulkan spurious
48 IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Akar Unit (Unit Root Test) Pengujian akar unit merupakan tahap awal sebelum melakukan estimasi model time series. Pemahaman tentang pengujian akar unit ini mengandung
Lebih terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock
40 III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock kredit perbankan, pembiayaan pada lembaga keuangan non bank dan nilai emisi saham pada pasar modal
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Pendekatan Penelitian Pendekatan penelitian ini menggunakan pendekatan kuantitatif yaitu pendekatan dengan cara mengukur variabel yang di lingkari oleh teori atau satu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini adalah penelitian kualitatif dan kuantitatif. Penelitian kualitatif adalah
III. METODE PENELITIAN A. Jenis Penelitian Penelitian ini adalah penelitian kualitatif dan kuantitatif. Penelitian kualitatif adalah penelitian tentang riset yang bersifat deskriptif dan cenderung menggunakan
Lebih terperinciPERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR
PERAMALAN NILAI TUKAR RUPIAH TERHADAP USD DAN AUD BERDASARKAN MODEL VAR Mega Novita 1, Adi Setiawan 2, dan Didit Budi Nugroho 2 1,2 Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen
Lebih terperinciPresented by: Sri Sulistijowati Desy Lusiyanti Hot Bonar
Presented by: Sri Sulistijowati Desy Lusiyanti Hot Bonar PENDAHULUAN Data deret waktu adalah proses stokastik Proses Stokastik adalah barisan variabel yaitu rangkaian data yang acak yang diberi urutan
Lebih terperinciBAB IV. METODOLOGI PENELITIAN
43 BAB IV. METODOLOGI PENELITIAN Analisis data dilakukan melalui serangkaian tahapan pengujian menggunakan analis Vector Auto Regression (VAR). Pada tahap pertama dilakukan pengujian terhadap variabel
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinci8. MODEL RAMALAN PRODUKSI PADI
8. MODEL RAMALAN PRODUKSI PADI 8.1 Pendahuluan Padi merupakan makanan utama sekaligus mempunyai nilai politis yang tinggi bagi orang Indonesia, yang menyediakan pendapatan secara musiman dan tenaga kerja
Lebih terperinciBAB III METODE PENELITIAN
49 BAB III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Variabel-variabel dalam penelitian ini menggunakan variabel dependen dan independen. Variabel dependen
Lebih terperinciBAB III METODELOGI PENELITIAN. variabel- variabel sebagai berikut : tingkat gross domestic product(gdp), total
BAB III METODELOGI PENELITIAN A. Obyek Penelitian Obyek yang diteliti dalam penelitian ini adalah semua data mengenai variabel- variabel sebagai berikut : tingkat gross domestic product(gdp), total pembiayaan
Lebih terperinciBAB III METODE PENELITIAN
A. Objek Penelitian BAB III METODE PENELITIAN Obyek/Subyek yang diamati dalam penelitian ini adalah Pembiayaan Modal Kerja UMKM dengan variabel independen DPK, NPF, Margin, dan Inflasi sebagai variabel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Desain Penelitian Desain penelitian mempunyai peranan yang sangat penting, karena keberhasilan suatu penelitian sangat dipengaruhi oleh pilihan desain atau model penelitian.
Lebih terperinciLampiran 1. Perkembangan APBN, (Rp triliun)
LAMPIRAN Lampiran 1. Perkembangan APBN, 000 009 (Rp triliun) Uraian 000 001 00 APBN APBN-P Real APBN APBN-P Real APBN APBN-P Real A. Pendapatan Negara dan Hibah 15.9 194.1 05.3 63. 99.9 301.1 301.9 305.
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Objek Penelitian Penilitian ini adalah pengaruh Dana Pihak Ketiga (DPK), Sertifikat Bank Indonesia Syariah (SBIS), dan Non Performing Financing (NPF) terhadap Pembiayaan
Lebih terperinciBAB III METODE PENELITIAN
33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah
Lebih terperinci7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK
7. EVALUASI ZONA PRAKIRAAN IKLIM (ZPI) BMG DENGAN PENDEKATAN ANALISIS KELOMPOK 7. Pendahuluan Banyak penelitian klimatologi yang bertujuan membuat kelompok stasiun/wilayah perkiraan iklim. Penggunaan data
Lebih terperinciModel Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit
Jurnal EKSPONENSIAL Volume, Nomor 1, Mei 13 ISSN 5-79 Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Vector Autoregressive Models (VAR) for the Analysis
Lebih terperinciANALISIS HUBUNGAN DINAMIS SUKU BUNGA SBI, IHSG, DAN SUKU BUNGA INTERNASIONAL DENGAN MODEL VECTOR AUTOREGRESSIVE KARINA DIANINGSARI
ANALISIS HUBUNGAN DINAMIS SUKU BUNGA SBI, IHSG, DAN SUKU BUNGA INTERNASIONAL DENGAN MODEL VECTOR AUTOREGRESSIVE KARINA DIANINGSARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciModel Vector Autoregressive-Generalized Space Time Autoregressive
Model Vector Autoregressive-Generalized Space Time Autoregressive Hilma Mutiara Winata 1), Entit Puspita 2), Fitriani Agustina 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI *Surel: hilmamutiarawinata@gmail.com
Lebih terperinciPEMODELAN VECTOR AUTOREGRESSIVE X (VARX) UNTUK MERAMALKAN JUMLAH UANG BEREDAR DI INDONESIA
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 333-343 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN VECTOR AUTOREGRESSIVE X (VARX) UNTUK MERAMALKAN JUMLAH
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. JENIS PENELITIAN Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan menggunakan
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciIII. METODOLOGI PENELITIAN. diperoleh dari data Bank Indonesia (BI) dan laporan perekonomian indononesia
III. METODOLOGI PENELITIAN A. Jenis Dan Sumber Data Data digunakan adalah data sekunder (time series) berupa data bulanan yang diperoleh dari data Bank Indonesia (BI) dan laporan perekonomian indononesia
Lebih terperinciBAB III ERROR CORRECTION MODEL (ECM) Suatu analisis yang biasa dipakai dalam ekonometrika adalah analisis
BAB III ERROR CORRECTION MODEL (ECM) 3.1 Teori Error Correction Model (ECM) Suatu analisis yang biasa dipakai dalam ekonometrika adalah analisis regresi yang pada dasarnya adalah studi atas ketergantungan
Lebih terperinciBAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) Proses TARCH merupakan modifikasi dari model ARCH dan GARCH.
BAB III THRESHOLD AUTOREGRESSIVE CONDITIONAL HETEROCEDASTICTY (TARCH) 3.1. Model TARCH Proses TARCH merupakan modifikasi dari model ARCH dan GARCH. Pada proses ini nilai residu yang lebih kecil dari nol
Lebih terperinciHASIL DAN PEMBAHASAN
36 HASIL DAN PEMBAHASAN Deskripsi Data Penelitian ini diawali dengan melihat ketergantungan antar lokasi dan waktu. Lokasi-lokasi dalam penelitian ini saling berhubungan, hal ini ditunjukkan dengan nilai
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciPEWILAYAHAN HUJAN UNTUK MENENTUKAN POLA HUJAN (CONTOH KASUS KABUPATEN INDRAMAYU) URIP HARYOKO, MSi. BADAN METEOROLOGI DAN GEOFISIKA
PEWILAYAHAN HUJAN UNTUK MENENTUKAN POLA HUJAN (CONTOH KASUS KABUPATEN INDRAMAYU) URIP HARYOKO, MSi. BADAN METEOROLOGI DAN GEOFISIKA DAFTAR ISI 1 PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Tujuan... 2
Lebih terperinciPROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR)
PROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : INDRA SATRIA 240 102 111 300 43 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciVIII. SIMPULAN, SARAN DAN REKOMENDASI Simpulan Berdasarkan hasil penelitian ini, dapat disimpulkan sebagai berikut :
VIII. SIMPULAN, SARAN DAN REKOMENDASI 8.1. Simpulan Berdasarkan hasil penelitian ini, dapat disimpulkan sebagai berikut : 1. Kejadian kekeringan di Kabupaten Indramayu merupakan penyebab utama (79.8%)
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciREGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING
REGRESI KUADRAT TERKECIL PARSIAL UNTUK STATISTICAL DOWNSCALING Aji Hamim Wigena Departemen Statistika, FMIPA Institut Pertanian Bogor Jakarta, 23 Juni 2011 Pendahuluan GCM (General Circulation Model) model
Lebih terperinciBAB III METODE PENELITIAN. dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik (BPS), Food and
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik (BPS), Food and
Lebih terperinciMETODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
25 III. METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciIII. METODOLOGI PENELITIAN. Data-data tersebut berupa data bulanan dalam rentang waktu (time series) Januari
40 III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Berdsarkan kajian beberapa literatur penelitian ini akan menggunakan data sekunder. Data-data tersebut berupa data bulanan dalam rentang waktu (time
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciPeramalan Laju Inflasi dan Nilai Tukar Rupiah terhadap Dolar Amerika dengan Menggunakan Model vector autoregressive
Peramalan Laju Inflasi dan Nilai Tukar Rupiah terhadap Dolar Amerika dengan Menggunakan Model vector autoregressive (VAR) dan Vector Error Correction Model (VECM) Eva Naviatun Ni mah 1, Safa at Yulianto
Lebih terperinciBAB 3 DATA DAN METODOLOGI
23 BAB 3 DATA DAN METODOLOGI Model-model ekonometrika yang digunakan di dalam penelitian biasanya merupakan persamaan struktural, yaitu model yang dibangun berdasarkan hubungan antara variabel berdasarkan
Lebih terperinciMETODE PENELITIAN. merupakan data time series dari bulan Januari 2002 sampai Desember Data
23 III. METODE PENELITIN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data time series dari bulan Januari 2002 sampai Desember 2009. Data
Lebih terperinciPROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT INVESTMENT (FDI) MENGGUNAKAN VECTOR AUTOREGRESSIVE (VAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 895-905 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PROYEKSI DATA PRODUK DOMESTIK BRUTO (PDB) DAN FOREIGN DIRECT
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian. Dalam penelitian ini penulis memilih impor beras sebagai objek melakukan riset di Indonesia pada tahun 1985-2015. Data bersumber dari Badan Pusat Statistika
Lebih terperinciBAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) Asymmetric Power Autoregressive Conditional Heteroscedasticity
BAB III ASYMMETRIC POWER AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (APARCH) 3.1 Proses APARCH Asymmetric Power Autoregressive Conditional Heteroscedasticity (APARCH) diperkenalkan oleh Ding, Granger
Lebih terperinciMETODE PENELITIAN. Pada penelitian ini jenis data yang digunakan adalah data sekunder.data ini
27 III. METODE PENELITIAN A. Jenis dan Sumber Data Pada penelitian ini jenis data yang digunakan adalah data sekunder.data ini bersumber dari Bank Indonesia (www.bi.go.id), Badan Pusat Statistik (www.bps.go.id).selain
Lebih terperinciBAB III METODOLOGI PENELITIAN. Negara dengan jumlah pengangguran paling tinggi di seluruh dunia.
23 BAB III METODOLOGI PENELITIAN A. Lokasi Penelitian Dalam penelitian ini, peneliti memilih lokasi penelitian yaitu Negara Indonesia. Seperti yang kita ketahui bahwa Indonesia merupakan Negara yang memiliki
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1 Desain Penelitian Penelitian ini didasari oleh gejolak/volatilitas nilai tukar rupiah terhadap mata uang asing (valuta asing).pada nilai transaksi jual beli valuta asing yang
Lebih terperinciMETODE PENELITIAN. time series bulanan dari Januari 2007 sampai dengan Desember Data-data
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan pada penelitian ini adalah data sekunder berupa time series bulanan dari Januari 2007 sampai dengan Desember 2011. Datadata yang
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
59 BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan pelaksanaan tahapan-tahapan metode VECM yang terbentuk dari variabel-variabel capital gain IHSG (capihsg), yield obligasi 10 tahun (yieldobl10)
Lebih terperinciPERAMALAN POLUSI UDARA OLEH KARBON MONOKSIDA (CO) DI KOTA PEKANBARU DENGAN MENGGUNAKAN MODEL VECTOR AUTOREGRESSIVE (VAR) TUGAS AKHIR.
PERAMALAN POLUSI UDARA OLEH KARBON MONOKSIDA (CO) DI KOTA PEKANBARU DENGAN MENGGUNAKAN MODEL VECTOR AUTOREGRESSIVE (VAR) TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains
Lebih terperinciPemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah
Pemodelan Vector Autoregresive (VAR) pada Komoditas Harga Cabai di Jawa Tengah Memi Nor Hayati 1, Alan Prahutama 2,*, Hasbi Yasin 2, Tiani Wahyu Utami 3 1 Program Studi Statistika, Universitas Mulawarman
Lebih terperinciIII. METODE PENELITIAN
46 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan adalah data sekunder berupa data time series dari tahun 1986-2010. Data tersebut diperoleh dari Badan Pusat Statistik (BPS),
Lebih terperinciBAB III METODE PENELITIN. yaitu ilmu yang valid, ilmu yang dibangun dari empiris, teramati terukur,
BAB III METODE PENELITIN A. Jenis dan Pendektan Penelitian 1. Jenis Penelitian Penelitian ini merupakan penelitian kuantitatif. Penelitian kuantitatif adalah suatu penelitian yang didasari oleh falsafah
Lebih terperinci