Peramalan Netflow Uang Kartal dengan Model Variasi Kalender dan Model Autoregressive Distributed Lag (ARDL)

Transkripsi

1 Seminar Hasil Tugas Akhir Surabaya, 23 Juni 2014 Peramalan Netflow Uang Kartal dengan dan Autoregressive Distributed Lag () OLEH Ainil Karomah ( ) DOSEN PEMBIMBING Dr. Suhartono, M.Si, M.Sc 1

2 Pendahuluan Tinjauan Pustaka Metodologi Analisis dan Pembahasan Kesimpulan dan Saran 2

3 Bab I Pendahuluan 3

4 Latar Belakang Rumusan Masalah 4

5 Latar Belakang Rumusan Masalah Dalam rangka mencapai likuiditas perbankan yang diharapkan, Bank Indonesia melakukan peramalan netflow uang kartal yang akan berdampak pada kebijakan-kebijakan moneter yang akan dijalankan 5

6 Latar Belakang Rumusan Masalah 3 2 Bagaimana model terbaik untuk meramalkan netflow uang kartal? 1 Bagaimana karakteristik netflow uang kartal di Indonesia? Bagaimana model variasi kalender, model, dan model gabungan yang tepat untuk meramalkan netflow uang kartal 6

7 Bab II Tinjauan Pustaka 7

8 Uang Kartal Kriteria Penelitian Sebelumnya Uang kartal adalah uang kertas dan uang logam rupiah yang dikeluarkan dan diedarkan oleh Bank Indonesia sebagai alat pembayaran yang sah (Departemen Statistik Ekonomi dan Moneter Bank Indonesia, 2013) 8

9 Uang Kartal Kriteria Penelitian Sebelumnya Uang kartal yang masuk ke BI melalui kegiatan setoran yang dilakukan oleh bank umum disebut sebagai inflow uang kartal yang keluar dari BI melalui proses penarikan uang tunai bank umum dari giro di BI atau pembayaran tunai melalui BI disebut outflow Selisih antara outflow dan inflow disebut netflow outflow > inflow maka selisihnya disebut net outflow outflow < inflow maka selisihnya disebut net inflow 9

10 Uang Kartal Kriteria Regresi Time Series ARIMAX MODEL UMUM C Dummy Kejadian Trend Autoregressive Seasonal Error White noise 10

11 Uang Kartal Kriteria MODEL UMUM Regresi Time Series ARIMAX C trend Dummy Kejadian Dummy pola musiman ARIMA residual 11

12 Uang Kartal Kriteria Ekonometrika Time Series (p,q) Komponen Autoregressive Komponen Distributed Lag 12

13 Uang Kartal Kriteria Ekonometrika MODEL UMUM Time Series 13

14 Uang Kartal Kriteria MODEL UMUM Error White noise 14

15 Uang Kartal Kriteria In- Sample Out- Sample 15

16 Bab III Metodologi Penelitian 16

17 Sumber Data Variabel Penelitian Langkah Penelitian Netflow kartal: database harian uang primer yang disusun oleh Divisi Statistik Moneter dan Fiskal BI. Database harian uang primer tersebut diperoleh dari Sectoral Balance Sheet Cental Bank (SBSCB) Data IHK diperoleh dari Divisi Statistik Sektor Riil BI Data Nilai Tukar Rupiah per Satuan Dolar AS: Biro Kebijakan Moneter Divisi Sektor Eksternal dan Nilai Tukar BI Data BI rate diperoleh dari Divisi Penyelesaian Transaksi, Informasi dan Administrasi BI 17

18 Sumber Data Variabel Penelitian Langkah Penelitian X1(t) Suku Bunga SBI (%) X3 (t) Kurs (Rupiah/Dollar AS) X2(t) IHK (indeks) Y(t) Netflow Uang Kartal (Miliar Rupiah) Variabel dummy yang menyatakan efek musiman ataupun efek variasi kalender Data bulan uari Desember 2012 digunakan sebagai insample Data bulan uari Desember 2013 digunakan sebagai outsample 18

19 Sumber Data Variabel Penelitian Langkah Penelitian Tahun Tanggal Idul Fitri Keterangan Variabel Dummy Nopember M1 Nopember V 1,t =1 untuk Nopember V 1,(t-1) =1 untuk Oktober V 1,(t+1) =1 untuk Desember Oktober M4 Oktober V 4,t =1 untuk Oktober V 4,(t-1) =1 untuk September V 4,(t+1) =1 untuk Nopember Oktober M2 Oktober V 2,t =1 untuk Oktober V 2,(t-1) =1 untuk September V 2,(t+1) =1 untuk Nopember Oktober M1 Oktober V 1,t =1 untuk Oktober V 1,(t-1) =1 untuk September V 1,(t+1) =1 untuk Nopember September M4 September V 4,t =1 untuk September V 4,(t-1) =1 untuk Agustus V 4,(t+1) =1 untuk Oktober September M2 September V 2,t =1 untuk September V 2,(t-1) =1 untuk Agustus V 2,(t+1) =1 untuk Oktober Agustus M4 Agustus V 4,t =1 untuk Agustus V 4,(t-1) =1 untuk Juli V 4,(t+1) =1 untuk September Agustus M3 Agustus V 3,t =1 untuk Agustus V 3,(t-1) =1 untuk Juli V 3,(t+1) =1 untuk September Agustus M2 Agustus V 2,t =1 untuk Agustus V 2,(t-1) =1 untuk Juli V 2,(t+1) =1 untuk September 19

20 Sumber Data Variabel Penelitian Langkah Penelitian Studi Literatur Pengumpulan data penelitian dan eksplorasi statistik deskriptif Melakukan pembentukan model variasi kalender berbasis regresi time series dan ARIMAX Melakukan pembentukan model melalui pendekatan confirmatory dan explanatory Melakukan pembentukan model gabungan variasi kalender dan Melakukan pemilihan model terbaik dan meramalkan netflow uang kartal Kesimpulan 20

21 Bab IV Analisis dan Pembahasan 21

22 22 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Year Month Netflow Kartal (Milyar Rupiah)

23 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan NET OUTFLOW TERTINGGI NET INFLOW TERTINGGI Desember Oktober (2005 dan 2006) September ( ) Agustus ( ) Juli (2013) uari Nopember ( ) Oktober (2008 dan 2009) September ( ) Agustus (2013) 23

24 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Tahun Tanggal Idul Fitri Keterangan Net inflow Tertinggi Net outflow Tertinggi Nopember Minggu Ke-1 Nopember uari, Nopember Oktober, Desember Oktober Minggu Ke-4 Oktober uari, Nopember Oktober, Desember Oktober Minggu Ke-2 Oktober uari, Nopember September, Desember Oktober Minggu Ke-1 Oktober uari, Oktober September, Desember September Minggu Ke-4 September uari, Oktober September, Desember September Minggu Ke-2 September uari, September Agustus, Desember Agustus Minggu Ke-4 Agustus uari, September Agustus, Desember Agustus Minggu Ke-3 Agustus uari, September Agustus, Desember Agustus Minggu Ke-2 Agustus uari, Agustus Juli, Desember 24

25 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan NET OUTFLOW TERTINGGI NET INFLOW TERTINGGI Desember Bulan terjadinya Idul Fitri (Jika Idul Fitri pada minggu ke-3 atau ke-4) Satu bulan sebelum Idul Fitri (Jika Idul Fitri pada minggu ke-1 atau ke-2) uari Bulan terjadinya Idul Fitri (jika Idul Fitri pada minggu ke-1 atau ke-2) Satu bulan setelah Idul Fitri (jika Idul Fitri pada minggu ke-3 atau minggu ke-4) 25

26 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Satu Bulan Sebelum Idul Fitri Saat Idul Fitri Satu Bulan Setelah Idul Fitri Minggu ke-1 Minggu ke-2 Minggu ke-3 Minggu ke-4 26

27 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Satu bulan sebelum terjadinya Idul Fitri, rata-rata kebutuhan uang kartal tercatat net inflow dengan tren menurun jika Idul Fitri terjadi pada minggu pertama, kedua, ketiga, dan keempat Pada saat Idul Fitri, rata-rata kebutuhan uang kartal mengalami net inflow yang tinggi jika Idul Fitri terjadi pada minggu pertama, net inflow yang rendah jika Idul Fitri terjadi pada minggu kedua, net outflow jika Idul Fitri terjadi pada minggu ketiga, dan net outflow yang semakin tinggi jika Idul Fitri terjadi pada minggu keempat. Sebulan setelah Idul Fitri, rata-rata kebutuhan uang kartal tercatat net outflow jika Idul Fitri terjadi pada minggu pertama dan tercatat net inflow yang semakin tinggi jika Idul Fitri terjadi pada minggu kedua, ketiga, dan keempat. 27

28 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Regresi Time Series ARIMAX MODEL TERBAIK Residual White Noise dan mengikuti berdistribusi normal 28

29 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Regresi Time Series ARIMAX MODEL TERBAIK Residual White Noise dan belum mengikuti distribusi normal 29

30 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan 15,0 12,5 Variable SBI IHK/10 KURS/1000 Data 10,0 7,5 5,0 Bulan Tahun

31 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series REGRESI SEKUENSIAL SUKU BUNGA SBI INDEKS HARGA KONSUMEN KURS RUPIAH/DOLLAR AS 31

32 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series REGRESI SERENTAK 1,0 0,8 0,6 Autocorrelation 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag

33 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series UJI SIGNIFIKANSI PARAMETER Variabel Koefisien SE T-value P-value Konstanta ,73 0,465 X1(t) ,32 0,753 X1(t-1) ,36 0,723 X2(t) 25, ,12 0,905 X3(t) -2,516 2,09-1,2 0,233 y(t-1) -0, ,0798-4,09 0 y(t-12) 0, ,0792 8,66 0 model berbasis ekonometrik belum layak digunakan 33

34 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series SINGLE INPUT (SUKU BUNGA SBI) 34

35 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series UJI SIGNIFIKANSI PARAMETER 35

36 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series SINGLE INPUT (IHK) Residual White Noise dan belum mengikuti distribusi normal, variabel IHK signifikan 36

37 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series SINGLE INPUT (KURS) Residual White Noise dan belum mengikuti distribusi normal, variabel Kurs tidak signifikan 37

38 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Ekonometrika Time Series MULTI INPUT Residual White Noise dan belum mengikuti distribusi normal, hanya variabel IHK yang signifikan 38

39 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan MODEL TERBAIK Residual White Noise dan mengikuti distribusi normal, semua variabel signifikan 39

40 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan 40

41 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan INTERPRETASI , , , , , , , ,0 Satu Bulan Sebelum Idul Fitri Saat Idul Fitri Satu Bulan Setelah Idul Fitri , Minggu ke-1 Minggu ke-3 Minggu ke-2 Minggu ke-4 uari Februari Juni September Oktober Desember IHK (t-2) IHK (t-3) IHK (t-5) 41

42 Karakteri stik Idul Fitri Stat Deskriptif Terbaik Peramalan Variable Actual Forecast Netflow Uang Kartal net outflow uang kartal tertinggi akan terjadi pada bulan Juli 39,12 triliun rupiah) Bulan Tahun net inflow uang kartal tertinggi akan terjadi pada bulan uari -38,83 triliun rupiah) 42

43 Bab V Kesimpulan dan Saran 43

44 Kesimpulan Saran Karakteristik netflow uang kartal dipengaruhi oleh adanya variasi kalender yang disebabkan perayaan tahunan Idul Fitri. Selain itu, juga terdapat efek musiman dari bulan-bulan tertentu terbaik untuk meramalkan netflow uang kartal adalah model gabungan antara variasi kalender berbasis ARIMAX dan model berbasis time series. Pada tahun 2014, net inflow tertinggi akan terjadi pada bulan uari yakni sebesar -38,83 triliun rupiah dan net outflow tertinggi akan terjadi pada bulan Juli yakni sebesar 39,12 triliun rupiah. 44

45 Kesimpulan Saran Pada penelitian selanjutnya sebaiknya dilakukan komparasi model dengan pendekatan ekonometrik yang lebih advance ataupun dengan model-model non-linear untuk mendapatkan residual hasil ramalan yang lebih kecil. 45

46 Daftar Pustaka Akinlo, A. Enisan. (2005). The Stability of Money Demand in Nigeria: An Autoregressive Distributed Lag Approach. Journal of Policy ling 28 page Baharumshah, A.Z, Mohd, S.H, dan Masih, A. M. M. (2009). The Stability of Money Demand in China: Evidence from the. Economic Systems 33 page Cryer, J.D. dan Chan, K.-S. (2008). Time Series Analysis: With Applications in R (2nd ed.). New York: Springer Science+Business Media, LLC. Gujarati, Damodar N. (2004). Basic Econometrics.The-McGraw Hill Company Hasanah, Heni. (2009). Stabilitas Moneter pada Sistem Perbankan Ganda di Indonesia. Tesis. Program Pascasarjana Depertemen Ilmu Ekonomi Institut Pertanian Bogor. Hidayat, Imam. (2010). Analisis Pengaruh Harga Bahan Bakar Minyak Eceran dan Industri Terhadap Indeks Harga Kelompok Komoditi Pembentuk Indeks Harga Konsumen di Indonesia. Tesis. Program Magister Perencanaan dan Kebijakan Publik, Universitas Indonesia. Insukindro dan Aliman. (1999). Pemilihan dan Bentuk Fungsi Empirik: Studi Kasus Permintaan Uang Kartal Riil di Indonesia. Jurnal Ekonomi dan Bisnis Indonesia, Vol. 14, No. 4:

47 Daftar Pustaka Kadiman, Irawan (2005). Teori dan Indikator Pembangunan. Jakarta: Lembaga Administrasi Negara Republik Indonesia Makridakis S, Wheelwright, S. C. dan McGee, V. E. (1999). Metode dan Aplikasi Peramalan, Edisi kedua. Jakarta: Binurapa Aksara. Manurung, Mandala dan Rahardja, Pratama. (2004). Uang, Perbankan, dan Ekonomi Moneter (Kajian Kontekstual Indonesia). Jakarta: Lembaga Penerbit FEUI. Pesaran, M. Hashem and Shin, Yongcheol. (1997). An Autoregressive Distributed Lag ling Approach to Cointegration Analysis. Symposium at the Centennial of Ragnar Frisch, The Norwegian Academy of Science and Letters, Oslo, March 3-5. Rangkuti, Agus Edy. (2007). Analisis Faktor-Faktor yang Mempengaruhi Permintaan Uang Kartal di Indonesia. Tesis. Program Pascasarjana Program Studi Ekonomi Pembangunan, Universitas Sumatera Utara. Rosadi, Dedi. (2011). Analisis Ekonometrika dan Runtun Waktu Terapan dengan R. Yogyakarta: Penerbit ANDI Setiawan, Wawan. (2010). Analisis Dampak Fluktuasi Perekonomian Dunia Terhadap Efektifitas Kebijakan Moneter. Tesis. Program Studi Magister Perencanaan dan Kebijakan Publik, Universitas Indonesia. 47

48 Daftar Pustaka Solikin dan Suseno. (2002). Uang: Pengertian, Penciptaan, dan Peranannya dalam Perekonomian. Jakarta: Bank Indonesia. Suhartono, Lee, M.H., dan Hamzah, N.A. (2010). Calendar Variation Based on Time Series Regression for Sales Forecast: The Ramadhan Effects. Proceedings of the Regional Conference on Statistical Sciences, Suherman. (2003). Estimasi Permintaan Uang Kartal Indonesia 1990:1-2002:IV Error Correction. Tesis. Magister Perencanaan Dan Kebijakan Publik Fakultas Ekonomi Universitas Indonesia. Suryaningtyas, Wahyuni. (2011). Peramalan Volume Penjualan Celana Panjang di Boyolali dengan Menggunakan. Prosiding dalam Seminar Nasional Matematika dan Pendidikan Matematika tanggal 3 Desember 2011 di Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta. Utari, Maria. (2013). Market-to-Retail Pass-Through dan Faktor-Faktor yang Mempengaruhinya: Kajian Empiris di 36 Negara di Dunia. Skripsi. Program Sarjana Departemen Ilmu Ekonomi Institut Pertanian Bogor. Wei, W. W. S. (2006). Time series Analysis Univariate and Multivariate Methods. New York: Pearson education, Inc. 48

49 Terimakasih 49