ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI DI INDONESIA PADA BULAN JULI 2005 JULI 2016
|
|
- Liana Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI DI INDONESIA PADA BULAN JULI 2005 JULI 2016 (Skripsi) Oleh CITRA ALAM PUSPITA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG 2017
2 ABSTRAK ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI DI INDONESIA PADA BULAN JULI 2005 JULI 2016 Oleh CITRA ALAM PUSPITA Pada umumnya model ekonometrika time series merupakan model struktural karena didasarkan atas teori ekonomi yang telah ada. Model VAR merupakan model non struktural karena bersifat ateori. VECM berbeda dengan VAR dimana VECM dapat digunakan untuk memodelkan data time series yang terkointegrasi dan tidak stasioner. Tujuan dari penelitian ini adalah untuk menganalisis data time series dngan menggunakan VECM pada data kurs BI rate, dan inflasi di Indonesia pada bulan Juli 2005 hingga Juli Model yang diperoleh untuk data tersebut adalah model VEC(3,1). Kata Kunci : Stasioner, Kointegrasi, VAR, VECM
3 ABSTRACT ANALYSIS VECTOR ERROR CORRECTION MODEL (VECM) ON DATA RATE OF EXCHANGE, BI RATE DAN INFLATION IN INDONESIA ON JULY 2005 JULY 2016 By CITRA ALAM PUSPITA Generally econometrics model time series is structural model because base on previously teory. VAR model is not structural model because atheory. VECM different with VAR which is VECM can use for modeling cointegration time series data and not stasioner. This research for analysis time series data using VECM on data rate of exchange, BI Rate and Inflantion in Indonesia on July 2005 until July Result of model for the data is VECM(3,1). Keywords : Stasioner, Cointegration, VAR, VECM
4 ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI DI INDONESIA PADA BULAN JULI 2005 JULI 2016 Oleh Citra Alam Puspita Skripsi Sebagai Salah Satu Syarat untuk Memperoleh Gelar SARJANA SAINS Pada Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2017
5 Judul Skripsi Nama Mahasiswa : ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI Dl INDONESIA PADA BIJLAN JULI 2005 JULI Citra Aam Puspita : Jurusan rakultas : Matematika : Matematika dan Ilmu Pengetahuan Alam MENYETUJUI 1. Komisi Pembimbing Prof. Drs. Mustofa UsmanwN.A., Ph.D NIP Drs. Muslim Ansori, SSI M.Si NP Ketua Jurusan Matematika Dra. W, MA, Ph.D NIP
6 MENGESAHKAN 1, Tim Penguji Ketua : Prof. Drs. Mustofa Usman, MX, Ph.D. Sekretaris. Drs. Muslim Ansori, S.Si., M.SL Penguji Bulan Pembimbing : Warsono, M.sc., Ph.D tas Maternatika dan Ilmu Pengetahuan Alam arsito, S.Si., D.E.A.7?h.D Tanggal Lulus Ujian Skripsi : 12 Oktober 2017
7 PERNYATAAN SKRIPSI MAHASISWA Saya yang bertanda tangan di bawah ini: Nama : Citra Alam Puspita Nomor Pokok Mahasiswa : Judul Jurusan : ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI DI INDONESIA PADA BULAN JULI JULI Matematika Dengan ini menyatakan bahwa skripsi ini adalah hasil pekerjaan saya sendiri dan semua tulisan yang tertuang dałam skripsi ini telah mengikuti kaidah karya penulisan ilmiah Universitas Lampung. Bandar Lampung, Oktober 2017 Penulis, 85AEF72503 Citra Alam Puspita NPM
8 RIWAYAT HIDUP Penulis bernama lengkap Citra Alam Puspita, anak kedua dari dua bersaudara yang dilahirkan di Jakarta pada tanggal 18 Februari 1995 oleh pasangan Bapak Mukhlasin dan Ibu Farida. Menempuh pendidikan di Taman Kanak-Kanak (TK) 02 Yapindo pada tahun , Sekolah Dasar (SD) diselesaikan di SD 02 Yapindo pada tahun , kemudian bersekolah di SMP Yapindo pada tahun , dan bersekolah di SMA Muhammadiyah 1 Metro pada tahun Pada tahun 2013 penulis terdaftar sebagai mahasiswi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung melalui Jalur SNMPTN undangan. Selama menjadi mahasiswa, penulis pernah aktif di beberapa organisasi kampus seperti, Himpunan Mahasiswa Jurusan Matematika (HIMATIKA) FMIPA Unila 2014/2015 sebagai Anggota Kaderisasi dan Kepemimpinan dan HIMATIKA FMIPA Unila 2015/2016 sebagai Anggota Kaderisasi dan Kepemimpinan. Pada tahun 2016 penulis melakukan Kerja Praktik (KP) di Bank Syariah Mandiri Cabang Kdaton Bandar Lampung dan pada tahun yang sama penulis melaksanakan Kuliah Kerja Nyata (KKN) di Desa Kediri Kecamatan Gadingrejo, Kabupaten Pringsewu, Provinsi Lampung.
9 PERSEMBAHAN Dengan mengucap puji dan syukur kehadirat Allah SWT kupersembahkan karya kecil dan sederhana ini untuk : Bapak dan Ibu tersayang yang selalu mendoakan, memberi semangat, dan telah menjadi motivasi terbesar selama ini. Mamas tersayang Banyu Gala Putra yang selalu mengikhlaskan hatinya, memberikan kesempatan dan selalu menjadi alasan penulis untuk tetap semangat. Dosen Pembimbing dan Penguji yang sangat berjasa dan selalu masukkan dan memberikan motivasi kepada penulis Almamater Universitas Lampung
10 KATA INSPIRASI Maka nikmat Tuhanmu yang manakah yang kamu dustakan? (Q.S. Ar-Rahman :13) Lihat segalanya lebih dekat, dan kau akan mengerti (Lebih Dekat Sherina M)
11 SANWACANA Dengan mengucapkan Alhamdulillah penulis panjatkan puji syukur kehadirat Allah SWT atas rahmat dan karunia-nya sehingga penulis dapat menyelesaikan skripsi yang berjudul ANALISIS VECTOR ERROR CORRECTION MODEL (VECM) TERHADAP DATA KURS, BI RATE DAN INFLASI DI INDONESIA PADA BULAN JULI 2005 JULI Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains (S.Si.) di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Dengan ketulusan hati penulis ingin mengucapkan terima kasih banyak kepada : 1. Bapak Prof. Drs. Mustofa Usman, MA, Ph.D. selaku Dosen Pembimbing I, terima kasih untuk bimbingan dan kesedian waktunya selama penyusunan skripsi ini. 2. Bapak Drs Muslim Ansori, S.Si., M.Si. selaku Dosen Pembimbing II, terima kasih untuk bantuan dan masukannya selama penyusunan skripsi. 3. Bapak Warsono, M.Sc, Ph.D. selaku Dosen Penguji, terima kasih atas kesediannya untuk menguji, memberikan saran dan kritik yang membangun dalam penyelesaian skripsi ini. Dan selaku Pembimbing Akademik, terima kasih atas bimbingan dan pembelajarannya dalam menjalani perkuliahan.
12 4. Ibu Dra. Wamiliana, MA, Ph.D. selaku Ketua Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. 5. Bapak Prof. Warsito, S.Si., D.E.A., Ph.D., selaku Dekan FMIPA Universitas Lampung. 6. Seluruh Dosen dan Karyawan Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. 7. Bapak dan Ibu tersayang yang selalu mengerti, menyemangati, dan mengingatkan penulis untuk tetap semangat dalam menyelesaikan tugas akhir serta doa yang selalu melimpah untuk keberhasilan penulis. 8. Mamas, Banyu Gala Putra kakakku tercinta yang dengan ikhlas memberikan kesempatan, doa dan perhatian kepada penulis. 9. Sahabat-sahabat seperjuangan Matematika HIMATIKA FMIPA Universitas Lampung atas kebersamaannya selama ini. 11. Almamter tercinta Universitas Lampung. 12. Seluruh pihak yang telah membantu yang tidak dapat disebutkan satu persatu. Bandar Lampung, 2017 Penulis Citra Alam Puspita
13 DAFTAR ISI Halaman DAFTAR GAMBAR... DAFTAR TABEL... xiv xv I. PENDAHULUAN 1.1. Latar Belakang Tujuan Penelitian Manfaat Penelitian... 4 II. TINJAUAN PUSTAKA 2.1 Data Runtun Waktu Stasioner Stasioner pada Nilai Tengah Stasioner pada Ragam Kointegrasi Model VAR Vector Error Corection Model (VECM) Panjang Lag OPtimal Pengujian Residual Uji Normalitas Uji Stabilitas Granger Kausalitas III. METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Data Penelitian Metode Penelitian IV. HASIL DAN PEMBAHASAN 4.1 Identifikasi Uji Stasioner Uji Kointgrasi xii
14 4.2 Estimasi Model Pendugaan Parameter Model VEC(3) Pengujian Residual Uji Normalitas Uji Stabilitas Model Analisis Granger Kausalitas Analisis FEDV V. KESIMPULAN DAFTAR PUSTAKA LAMPIRAN xiii
15 DAFTAR GAMBAR Gambar Halaman 1. Plot time series BI Rate Juli 2005 Juli Plot time series Inflasi Juli 2005 Juli Plot time series Kurs Juli 2005 Juli Garfik ACF BI Rate Garfik ACF Inflasi Garfik ACF Kurs Plot time series BI Rate setelah transformasi dan differencing Plot time series Inflasi setelah transformasi dan differencing Plot time series Kurs setelah transformasi dan differencing Grafik ACF data BI Rate transformasi dan setelah differencing Grafik ACF data Inflasi transformasi dan setelah differencing Grafik ACF data Kurs transformasi dan setelah differencing Histrogram residual dan nilai Jarque-Bera Test of Normality Grafik Grangger Kausaliti Antar Variabel xiv
16 DAFTAR TABEL Tabel Halaman 1. Output untuk uji akar unit BI Rate Output untuk uji akar unit Inflasi Output untuk uji akar unit Kurs Output untuk uji akar unit BI Rate setelah differencing Output untuk uji akar unit Inflasi setelah differencing Output untuk uji akar unit Kurs setelah differencing Output uji kointegrasi menggunakan uji johansen VAR Lag Order Selection Criteria Pendugaan parameter Long-Run (β) Pendugaan koefisien adjustment (α) Pendugaan parameter Π Pendugaan koefisien AR pada lag terdiferensi (ΓΔY t 1 ) Akar-akar karakteristik polinomial AR Uji Granger Kausalitas Variance Decomposition Kurs Variance Decomposition BI Rate Variance Decomposition Inflasi xv
17 I. PENDAHULUAN 1.1 Latar Belakang Analisis runtun waktu adalah suatu metode kuantitatif untuk menentukan pola data masa lalu yang telah dikumpulkan secara teratur. Data runtun waktu (time series) adalah sekumpulan data berupa angka yang didapat dalam suatu periode waktu tertentu. Data deret waktu biasanya berupa data tahunan, semesteran, triwulan, bulanan, mingguan, harian, dan seterusnya. Data time series yang memiliki dua atau lebih variabel disebut multivariate time series. Model multivariate time series melibatkan beberapa variabel yang tidak hanya berturut namun juga saling berkorelasi (Montgomery, Jennings, and Kulahci, 2008). Time series selalu digunakan dalam bidang ekonometrik. Awalnya, Jan Tinbergen (1939) membangun model ekonometrik pertama untuk Amerika Serikat dan kemudian memulai program penelitian ilmiah ekonometrik secara empiris (Kirchgassner and Wolters, 2007). Pada umumnya model ekonometrika time series merupakan model struktural karena didasarkan atas teori ekonomi yang telah ada. Pada tahun 1980 Christopher A.Sims memperkenalkan model VAR sebagai alternatif dalam analisis ekonomi makro.
18 2 Model VAR merupakan model non struktural karena bersifat ateori. Model VAR memiliki struktur model yang lebih sederhana dengan jumlah variabel yang minimalis dimana semua variabelnya adalah variabel endogen dengan variabel independennya adalah lag. Model VAR didesain untuk variabel stasioner yang tidak mengandung trend. Trend stokastik dalam data mengindikasikan bahwa ada komponen long-run (jangka panjang) dan short-run (jangka pendek) dalam data time series. Penelitian tentang trend stokastik dalam variabel ekonomi terus berkembang, sehingga pada tahun 1981, Granger mengembangkan konsep kointegrasi. Pada tahun 1987, Engle bersama Granger mengembangkan konsep kointegrasi dan koreksi error (error correction). Kemudian, pada tahun 1990, Johansen dan Juselius mengembangkan konsep VECM. VECM berbeda dengan VAR dimana VECM dapat digunakan untuk memodelkan data time series yang terkointegrasi dan tidak stasioner. VECM sering disebut sebagai bentuk VAR terestriksi. Pada penelitian ini, akan dikaji veriabel ekonomi kurs, inflasi, dan BI Rate pada periode waktu tertentu. Kurs (exchange rate) adalah harga sebuah mata uang dari sutu negara yang diukur atau dinyatakan dalam mata uang lainnya. Kurs memainkan peranan penting dalam keputusan-keputusan pembelanjaan, karena kurs memungkinkan kita menerjemahkan harga-harga dari berbagai negara ke dalam satu bahasa yang sama. Kurs dapat pula disebut sebagai perbandingan nilai.
19 3 Dalam pertukaran dua mata uang yang berbeda, maka akan terdapat perbandingan nilai/harga antara kedua mata uang tersebut. Perbandingan nilai inilah yang disebut dengan kurs. Adapun faktor-faktor yang mempengaruhi nilai kurs antara lain yaitu tingkat inflasi dan suku bunga bank. Secara sederhana inflasi diartikan sebagai meningkatnya harga-harga secara umum dan terus menerus. Kenaikan harga dari satu atau dua barang saja tidak dapat disebut inflasi kecuali bila kenaikan itu meluas (atau mengakibatkan kenaikan harga) pada barang lainnya. Sedangkan suku bunga adalah imbal jasa atas pinjaman uang. Imbal jasa cipal. Persentase dari pokok utang yang dibayarkan sebagai imbal jasa ( bunga ) dalam suatu periode tertentu. Berdasarkan uraian diatas, maka dilakukannya analisis model VECM pada data Nilai Tukar Dollar terhadap Rupiah (kurs), BI Rate, dan Nilai Inflasi Indonesia menurut bulan pada periode Juli 2005 sampai dengan Juli Tujuan Penelitian Tujuan dari penelitian ini adalah menganalisis data time series dengan model VEC (3,1) pada data Kurs, BI Rate, dan Inflasi di Indonesia pada bulan juli 2005 Juli 2016.
20 4 1.3 Manfaat Penelitian Manfaat dari penelitian ini adalah dapat menganalisis data time series dengan model VEC (3,1) pada data Kurs, BI Rate, dan Inflasi di Indonesia pada bulan juli 2005 Juli 2016
21 II. TINJAUAN PUSTAKA 2.1 Data Runtun Waktu Model ekonomi menunjukan hubungan variabel-variabel yang pasti, masalah selanjutnya adalah untuk menemukan himpunan data yang dapat kita gunakan untuk melihat jika hubungan tersebut ada atau tidak. Suatu observasi dari proses membangkitkan data adalah satu himpunan dari nilai-nilai untuk semua variabelvariabel di dalam hubungan yang kita harapkan untuk dipelajari. Suatu sampel, atau himpunan data, adalah koleksi dari banyak observasi dari proses membangkitkan data yang sama. Ada dua jenis-jenis dasar dari sampel, ditambah satu tipe yang ke-tiga yaitu kombinasi dari keduanya (Schmidt, 2005) 1. Sampel Deret Waktu adalah sampel yang mengandung observasiobservasi pada satu objek ekonomi pada periode-periode waktu yang berbeda. Contohnya: Tingkat suku bunga dan Produk Domestik Bruto (PDB) pada ekonomi U.S untuk setiap kuarter dari tahun 1960 sampai Sampel Cross-section adalah sampel yang mengandung observasiobservasi dari banyak objek ekonomi yang berbeda yang diambil pada satu titik waktu. Contohnya: Kemampuan kerja dari banyaknya perusahaan penerbangan pada tahun 1997.
22 6 3. Sampel Panel/Longitudinal adalah sampel yang mengandung observasi-observasi pada banyak objek ekonomi untuk beberapa periode waktu. Contohnya: Sampel dari delapan perusahaan penerbangan yang berada dalam waktu lima tahun. 2.2 Stasioner Dasar dari analisis deret waktu adalah kestasioneran atau stasioneritas. Model stasioner di diasumsikan sebagai proses yang tetap dalam kestimbangan atau kestabilan statistik dengan sifat probabilistik yang tidak berubah dari waktu ke waktu, dengan kata lain nilai tengah (rata-rata) dan ragam konstan (Box and Jenkins, 2016). Data dikatakan stasioner jika memenuhi tiga kriteria, yaitu nilai tengah (rata-rata) dan ragam konstan dari waktu ke waktu, serta peragam anatar dua data deret waktu hanya bergantung pada dari periode waktu (lag) pada dua periode waktu (lag). Setiap data deret waktu merupakan suatu data dari hasil proses stokastik. Proses stokastik memiliki rata-rata yang terbatas dan varians-kovarians yang stasioner jika untuk semua t dan t-s, secara statistik dinyatakan sebagai berikut: E(Yt) = E(Yt-s) = µ, rata-rata Y konstan (2.1) E(Yt - µ) 2 = E(Yt-s - µ) 2 = σ 2 z, ragam Y konstan (2.2) E[(Yt - µ) (Yt-s - µ)] = E[(Yt-j - µ) (Yt-j-s - µ)]=γ s (2.3) (Enders, 2015)
23 7 Terdapat dua perilaku stasioneritas data, yaitu stasioneritas data dalam nilai tengah (rata-rata) dan stasioneritas data dalam ragam (varians). Pada umumnya data deret waktu tidak stasioner hal ini dikarenakan adanya perilaku data antar waktu yang menimbulkan kedinamisan. Oleh karena itu, diperlukan langkahlangkah dalam menangani data yang tidak stasioner Stasioner pada Nilai Tengah Data deret waktu dikatakan stasioner pada nilai tengah (rata-rata atau mean) apabila data berfluktuasi pada sekitar suatu nilai tengah yang tetap dari waktu ke waktu selama pengamatan. Data deret waktu yang tidak stasioner pada nilai tengah diatasi dengan differensiasi sedemikian sehingga menjadi stasioer pada nilai tengah. Proses differensiasi merupakan proses mencari selisih antar data satu periode dengan periodesebelumnya secara berurutan. Proses differensiasi dapat dilakukan hingga beberapa periode sampai daa stasioner. Diferensiasi pertama dinotasikan sebagai berikut: Y t = Yt Yt-1 = Yt BYt = (1 B)Yt (2.4) Dengan Y t merupakan data setelah dilakukan diferensiasi tingkat pertama, B merupakan operator yang didefinisikan dengan B t Zt =zt-i. Jika diferensiasi pertama belum memberikan hasil yang stasioner pada nilai tengah maka dilakukan diferensiasi pada periode selanjutnya dari hasil diferensiasi pertama untuk semua t.
24 8 Kemudian diferensiasi tingkat dua didefinisikan sebagai berikut: 2 Y t = Yt Yt-1 = (Yt Yt-1) (Yt-1 Yt-2) = (Yt 2Yt-1 +Yt-2) = (Yt 2BYt + B 2 Yt) = Yt (1-2B + B 2 ) = (1 B) 2 Yt (2.5) Deret yang dihasilkan diatas disebut dengan diferensiasi kedua dari Yt, sehingga diferensiasi d kali dinyatakan sebagai berikut: d Y t = d 1 Yt d 1 Yt-1 d Y = d 1 Yt d 1 BYt d Y t = d 1 Yt (1 B) d Y t = (1 B) d 1 (1 B) Yt d Y t = (1 B) d Yt (2.6) (Pankratz, 1991) Stasioner pada Ragam Data deret waktu dikatakan stasioner pada ragam apabila data tersebut berfluktuasi dengan variansi yang tetap dari waktu ke waktu. Dengan kata lain nilai ragamnya konstan untuk semua t. Ragam yang tidak stasioner menyebabkan data menjadi tidak stasioner pada ragamnya. Modifikasi
25 9 dilakukan agar data stasioner pada ragam dengan melakukan transformasi pada data deret waktu (Pankratz, 1991). Dua modifikasi yang dapat dilakukan adalah pertama, jika standar deviasi dari data deret waktu proporsional terhadap data aslinya maka digunakan logaritma asli (ln) sedemikian sehingga deret yang baru memiliki varians yang konstan. Kedua, jika ragam dari data deret waktu proporsional terhadap data aslinya maka digunakan akar kuadrat untuk memperoleh variansi yang konstan. Transformasi tersebut merupakan anggota dari transformasi box-cox. Dengan transformasi ini, suatu series Yt yang baru dapat didefinisikan sebagai berikut: Y t = Y t λ 1 λ (2.7) Dengan λ merupakan parameter transformasi Box-Cox dan Yt merupakan nilai deret waktu pada waktu ke-t. Perlu dicatat bahwa Yt tidak boleh negatif. Jika nilai Yt negatif, maka kita tambahkan suatu konstanta pada Yt sehingga nilainya bernilai positif (Pankratz, 1991). 2.3 Kointegrasi Jika dua variabel yang I(1) dapat dibentuk kombinasi linear, maka kombinasi linearnya juga I(1). Lebih umum, jika variabel-variabel dengan order-order diferensi dari integrasi dapat dikombinasi, kombinasi tersebut akan memiliki order integrasi
26 10 sama dengan integrasi tertingginya. Jika X i,t ~I(d i ) untuk i = 1, 2, 3,..., k jadi ada variabel sebanyak k masing-masing memiliki integrase dengan order d i, dan misalkan: k Y = i=1 α i X i,t (2.8) Maka, Y t = I(max d i ). Y t pada konteks ini adalah kombinasi linear dari varibel X i sebanyak i = 1, 2, 3,..., k. Misalkan w t adalah k 1 vektor dari variabel-variabel, maka komponen-komponen dari w t terintegrasi dengan order (d, b) jika: (1) semua komponen-komponen w t adalah I(d), (2) terdapat sedikitnya satu vektor dari koefisien-koefisien α sehingga α w t ~ I(d b). Pada konteks ini, suatu himpuanan variabel-varabel didefinisikan terkointegrasi jika kombinasi linear dari mereka stasioner. Suatu hubungan kointegrasi juga dapat dipandang sebagai hubungan jangka panjang atau fenomena titik keseimbangan. (Brooks, 2008). 2.4 Model VAR Untuk menganalisis secara kuantitatif data time series dengan melibatkan lebih dari satu variabel (multivariate time series) digunakan metode Vector Autoregressive (VAR). Metode VAR memperlakukan semua variabel secara simetris. Satu vektor berisi lebih dari dua variabel dan pada sisi kanan terdapat nilai lag (lagged value) dari variabel tak bebas sebagai representasi dari sifat
27 11 autoregresive dalam model. Model VAR(p) dapat ditulis dalam persamaan berikut: p Y t = i=1 i Y t i + ε t (2.9) dimana: Y t = elemen vektor observasi pada waktu t berukuran n 1 i = matriks berukuran n n yang merupakan koefisien dari vektor y t 1, untuk i = 1,2, p p = panjang lag ε t = vektor dari shock terhadap masing-masing variabel berukuran n 1 Apabila data yang digunakan stasioner pada tingkat differencing yang sama dan terdapat kointegrasi, maka model VAR akan dikombinasikan dengan model koreksi kesalahan menjadi Vector Error Correction Model (VECM) (Asteriou and Hall, 2007) Vector Error Correction Model (VECM) Vector Autoregressive (VAR) merupakan salah satu bentuk khusus dari sistem persamaan simultan. Model VAR dapat diterapkan apabila semua variabel yang digunakan stasioner, akan tetapi jika variabel di dalam vektor Y t tidak stasioner maka model yang digunakan adalah Vector Error Correction Model (VECM) dengan syarat terdapat satu atau lebih hubungan kointegrasi antar variabelnya. VECM adalah VAR terbatas yang dirancang untuk digunakan pada data nonstasioner yang diketahui memiliki hubungan kointegrasi (Enders, 2015). VECM adalah salah satu dari beberapa model time series yang secara langsung memperkirakan tingkat dimana suatu variabel kembali kepada tingkat setimbang
28 12 setelah perubahan pada variabel lain. VECM berguna untuk memperkirakan efek jangka pendek keduanya dan jangka panjang dari satu time series lainnya. Menurut Robert dan Granger (1987), VECM adalah model VAR terbatas yang dirancang untuk digunakan pada series tidak stasioner yang diketahui memiliki hubungan kointegrasi. VECM yang memiliki hubungan kointegrasi dibangun ke dalam spesifikasi sehingga membatasi perilaku jangka panjang dari variabel endogen. Bentuk umum VECM(p) dengan rank kointegrasi r k adalah sebagai berikut: p 1 Y t = ΠY t 1 + i=1 Γ i Y t i + ε t (2.10) dimana: = operator differencing Y t 1 = vektor peubah endogen dengan lag ke-1berukuran n 1 ε t = vektor residual berukuran n 1 Π = matriks koefisien kointegrasi (Π = αβ ; α = vektor adjustment,matriks ukuran (n 1) dan β = vektor kointegrasi (long-run parameter) matriks (n 1)) Γ i = matriks berukuran (n n) koefisien variabel endogen ke-i 2.5 Panjang Lag Optimal Panjang lag variabel yang optimal sangat diperlukan untuk menangkap pengaruh dari setiap variabel terhadap variabel lain di dalam sistem VAR. Menentukan panjang lag (order p) yaitu dengan menggunakan kriteria informasi yang tersedia. Panjang lag yang terpilih dapat dilihat melalui nilai paling minimum dari masing-
29 13 masing kriteria. Beberapa informasi kriteria yang digunakan adalah sebagai berikut: (i) Akaike Information Criterion (AIC) AIC T ln 2 N (ii) Bayesian Criterion of Gideon Schwarz SC T ln N ln T Dimana: = determinan dari residual varian/covarian matriks N = jumlah parameter yang diestimasi T = jumlah observasi (Enders, 2004). Hal yang harus diperhatikan dalam menentukan panjang lag optimal adalah semakin panjang jumlah lag yang dipergunakan maka semakin banyak jumlah parameter yang harus diestimasi dan semakin sedikit derajat kebebasannya. Jika jumlah lag (p) terlalu sedikit maka model akan miss specification, sementara apabila lag (p) terlalu banyak maka derajat kebebasan semakin besar. 2.6 Pengujian Residual Uji Normalitas Uji normalitas residual adalah uji untuk mengetahui kenormalan residual pada suatu data. Tujuan dilakukannya uji ini adalah untuk mengetahui apakah residual pada data tersebut berdistribusi normal atau tidak. Uji normalitas dilakukan
30 14 dengan Jarque-Bera (JB) Test of Normality. Uji ini menggunakan ukuran skewness dan kurtosis. Dalam aplikasinya nilai Jarque-Bera (JB) dibandingkan dengan nilai chi-square (χ 2 ) pada derajat kebebasan 2. Jarque-Bera Test dinamakan sesuai dengan penemunya yaitu Carlos Jarque dan Anil K. Bera. Perhitungan JB adalah sebagai berikut: JB = n 6 (S2 + (K 3)2 ) 4 dimana: n = Jumlah sampel S = Expected Skewness = K = Expected Excess Kurtosis = 1 n n i=1 (Y i Y ) 3 ( 1 n n i=1 (Y i Y ) 2 ) 3/2 1 n n i=1 (Y Y ) 4 ( 1 n n i=1 (Y i Y ) 2 ) 2 Jarque-Bera (JB) yang digunakan dalam uji normalitas pada variabel residual perhitungannya dilakukan dengan menambahkan indikator banyaknya variabel bebas atau prediktor, seperti berikut: dimana: k = Jumlah variabel bebas JB = n k 6 (S2 + (K 3)2 ) Uji Stabilitas Stabilitas sistem VAR dilihat dari inverse roots karakteristik AR polinomialnya. Suatu sistem VAR dikatakan stabil (stasioner, baik dalam rata-rata dan juga
31 15 ragam) jika seluruh roots-nya memiliki modulus lebih kecil dari satu dan semuanya terletak di dalam unit circle. Berikut uraian menurut Lutkepohl (2005) bahwa model VAR(p) pada persamaan (2.9) dapat dituliskan: Y t = c + 1 Y t p Y t p + ε t (2.11) Jika mekanisme ini dimulai pada waktu tertentu, misalnya saat t = 1, maka akan mendapatkan: Y 1 = c + 1 Y 0 + ε 1, Y 2 = c + 1 Y 1 + ε 2 = c + 1 (c + 1 Y 0 + ε 1 ) + ε 2 = (I K + 1 )c Y ε 1 + ε 2 (2.12) t 1 Y t = (I K t 1 )c + 1 t Y i ε t i Oleh karena itu, vektor (Y 1,, Y t ) ditentukan oleh (Y 0, Y,, Y t ) dan distribusi bersama dari (Y 1,, Y t ) ditentukan oleh distribusi bersama dari (Y 0, Y 1,, Y t ). Dari persamaan VAR(1) pada (2.9) dan (2.12) maka akan didapatkan: i=0 Y t = c + 1 Y t 1 + ε t = (I K j 1 )c + j+1 j 1 Y t j 1 + i i=0 1 ε t i (2.13)
32 16 Jika semua nilai eigen dari 1 memiliki modulus kurang dari 1 maka model y t merupakan proses stokastik yang didefinisikan dengan: Y t = μ + i=0 ε t i, t = 1,0,1, (2.14) 1 i dimana: Y t = elemen vektor y pada waktu t berukuran n 1 i = matriks berukuran n n yang merupakan koefisien dari vektor y t i, untuk i = 1,2, p μ = (I K 1 ) 1 v Berdasarkan Rule (7) Appendix A.6 menurut Luthkepol (2005), dikatakan bahwa semua nilai eigen pada matriks A berukuran (m m) mempunyai modulus kurang dari satu jika dan hanya jika det (I m A z ) 0 untuk z 1, maka polinomial dari det (I m A z ) tidak memiliki roots yang berada pada unit circle. Maka persamaan y t dikatakan stabil jika: det (I Kp z ) 0 untuk z 1 Definisi yang diberikan dari karakteristik polinomial pada matriks, kita sebut sebagai karakteristik polinomial dari proses VAR(p), sehingga persamaan (2.11) dikatakan stabil jika: det(i Kp z ) = det (I K 1 z p z p ) (2.15) 2.7 Granger Kausalitas Adanya kointegrasi mengindikasikan hubungan jangka panjang antar variabel- variabel. Bahkan ketika variabel variabel tersebut tidak berkointegrasi dalam
33 17 hubungan jangka panjang, variabel variabel tersebut masih memungkinkan memiliki hubungan jangka pendek. Dalam rangka memahami kesaling tergantungan diantara variabel, digunakannlah Granger Causality Test. Granger Causality Test didasarkan pada uji F yang berusaha untuk menentukan jika ada perubahan dalam satu variabel dikarenakan adanya perubahan variabel lainnya. Suatu variabel X dikatakan Granger Cause variabel Y, jika nilai sebelumnya dari X dapat memprediksi nilai Y saat ini. VAR Model: p Y t = c + i=1 i Y t i + ε t (2.16) Jika semua koefisien pada lag nilai dari y signifikan pada persamaan (2.16), maka X Granger Causal Y. Jika X Granger Causal Y dan tidak sebaliknya, maka disebut dengan causality tidak langsung. Jika causality terdapat pada keduanya, dari X ke Y dan dari Y ke X, maka disebut dengan causality dua arah (Brooks, 2008). Setelah mengestimasi VAR, restriksi yang mengikuti hipotesis yang telah di uji pada Granger Causality Test: H 0 : α 1 = α 2 =... = α p = 0 ( X bukan Granger Causal Y ) H A : at least one of α coefficients 0( X Granger Causal Y ) Statistik uji mengikutin distribusi X 2, dengan p derajat bebas dibawah hipotesis nol. P adalah jumlah lag optimal.
34 III. METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2016/2017, bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. 3.2 Data Penelitian Data yang digunakan diperoleh dari tentang nilai tukar dollar terhadap rupiah (kurs), suku bunga bank indonesia (BI-Rate), dan inflasi Indonesia dari bulan Juli 2005 Juli 2016 sebanyak 133 data. 3.3 Metode Penelitian Langkah-langkah yang dilakukan pada penelitian ini adalah sebagai berikut: 1. Identifikasi a. Melakukan uji stasioner Menguji kestasioneran pada data dapat dilakukan dengan melihat plot time series, grafik Autocorrelation Function (ACF) dan unit root test. Kestasioneran dibagi menjadi 2 yaitu stasioner dalam ragam dan
35 19 staioner dalam rata-rata. Pengeujian kestasioneran dalam ragam dapat dilakukan dengan uji Box-Cox. Dan jika data tidak stasioner dalam ragam, maka dilakukan transformasi pada data. Sedangkan pengujian kstasioneran dalam rata-rata dilakukan dengan uji unit root. Dan jika data tidak stasioner dalam rata-rata, maka dilakukan pembedaan (differencing). b. Melakukan uji kointegrasi Setelah dilakukan transformasi jika data tida stasioner dalam varian dan pembedaan jika data tidak stasioner dalam rata-rata, maka besar kemungkinan akan terjadi kointegrasi atau terdapat hubungan jangka panjang antar variabelnya. Uji kointegrasi yang digunakan adalah uji Johansen Cointegration. Jika nilai trace statistic lebih besar daripada critical value maka diambil kesimpulan bahwa terdapat paling tidak dua hubungan kointegrasi antar variabel. Selanjutnya, jika terbukti ada hubungan kointegrasi antarvariabel maka model yang digunakan adalah Vector Error Correction Model (VECM). 2. Estimasi model a. Menentukan panjang lag optimal Menentukan panjang lag optimal dengan melihat nilai minimum dari setiap informasi kriteria yang digunakan. b. Pendugaan parameter model VEC(p) Pendugaan parameter model VEC(p) dilakukan menggunakan metode Maximum Likelihood Estimation dengan membentuk matriks koefisien
36 20 kointegrasi (Π) kemudian membentuk matriks koefisien variabel differencing (Γ) selanjutnya matriks koefisien (c) 3. Pengujian residual a. Uji normalitas Pengujian normalitas residual pada penelitian ini dilakukan dengan Jarque- Bera (JB) Test of Normality dengan kriteria terima H0 jika nilai JB Test < χ 2 (0.05;2). b. Uji stabilitas model Uji stabilitas dilakukan untuk melihat apakah model yang digunakan stabil atau tidak. Sebuah model dikatakan stabil jika akar unit karakteristik polinomialnya mempunyai modulus 1 dan semuanya berada dalam unit circle. 4. Analisis granger kausalitas Uji granger kausalitas dilakukan untuk meihat seberapa berpengaruhnya nilai variabel pada masa lalu dengan nilai variabel yang lain. Variabel X dikatakan grangre-cause Y jika nilai chi-square < nilai sigifikan 5%.
37 V. KESIMPULAN Berdasarkan hasil dan pembahasan dapat disimpulkan beberapa hal, diantaranya: 1. VECM (3) yang terbentuk untuk data BI Rate, Inflasi, dan Kurs yaitu: Y t Y t1 1 [ Y t2 ] = [ ] [ Y t2 1 ] Y t Y t Y t1 1 + [ ] [ Y t2 1 ] Y t Y t1 2 ε 1t + [ ] [ Y t2 2 ] + [ ε 2t ] Y t3 2 ε 3t Dengan menggunakan model tersebut diketahui bahwa antara nilai BI Rate, Inflasi, dan Kurs memiliki hubungan kointegrasi (jangka panjang) pada rank = Melalui grafik granger kausalias diketahui bahwa Inflasi mempengaruhi nilai Kurs dan juga nilai BI Rate. BI Rate itu sendiri mempengaruhi nilai Kurs dan nilai Inflasi. Dan terjadi hubungan langsung antara Inflasi dan BI Rate Gambar 14. Grafik Grangger Kausaliti Antar Variabel
38 DAFTAR PUSTAKA Asteriou, D. and Hall, S.G Applied Econometrics : A Modern Approach. Revised Edition. Palgrave Macmillan, New York. Brooks, Chris Introductory: Econometrics for Finance, 2 nd ed. New York: Cambridge University Press. Diakses tanggal 19 Februari 2017 pukul WIB pada laman resmi Diakses tanggal 19 Februari 2017 pukul WIB pada laman resmi Diakses tanggal 19 Februari 2017 pukul WIB pada laman resmi Endres, W Applied Econometric Time Series. John Wiley and Sons Interscience Publication, USA. Endres, W Applied Econometric Time Series. John Wiley and Sons Interscience Publication, USA. Kirchgassner, G. and Wolters, J Introduction to Modern Time Series Analysis. Springer, Berlin. Lutkepohl, H New Introduction to Multiple Time Series Analysis. Springer Verlaag, Berlin. Montgomery, D.C., Jennings, C.L., and Kulachi, M Introduction Time Series Analysis and Forecasting. John Wiley & Sons,Inc., Hoboken, New Jersey Pankratz, A Forecasting with Dynamic Regression Models. John Wiley and Sons, Inc., Canada
39 Schmidt, Stephen J Econometrics. New York: The McGraw Hill Companies. Wei, W.W Time Series Analysis : Univariate and Multivariate Methods (2nd ed). Pearson, New York.
METODOLOGI 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 terperinciTINJAUAN PUSTAKA. tahun 1980-an (Rachmat, 2013). Salah satu unsur kesejahteraan petani adalah
4 II. TINJAUAN PUSTAKA 2.1 Konsep Nilai Tukar Petani (NTP) Konsep NTP sebagai indikator kesejahteraan petani telah dikembangkan sejak tahun 1980-an (Rachmat, 2013). Salah satu unsur kesejahteraan petani
Lebih terperinciBAB III METODE PENELITIAN. sekunder yang akan digunakan ialah data deret waktu bulanan (time series) dari bulan
40 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang akan dipakai dalam penelitian ini berupa data sekunder. Data sekunder yang akan digunakan ialah data deret waktu bulanan (time series)
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 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 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 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 III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek Penelitian Dalam penelitian ini, obyek yang diamati yaitu inflasi sebagai variabel dependen, dan variabel independen JUB, kurs, BI rate dan PDB sebagai variabel yang
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 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 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 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 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 terperinciMETODE PENELITIAN. Data yang dipakai untuk penelitian ini adalah data sekunder (time series)
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang dipakai untuk penelitian ini adalah data sekunder (time series) yang didapat dari Statistik Ekonomi Keuangan Indonesia (SEKI) Bank Indonesia
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 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. 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. 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 terperinciPENDEKATAN VECTOR ERROR CORRECTION MODEL UNTUK ANALISIS HUBUNGAN INFLASI, BI RATE DAN KURS DOLAR AMERIKA SERIKAT
Jurnal Barekeng Vol. 8 No. 2 Hal. 9 18 (2014) PENDEKATAN VECTOR ERROR CORRECTION MODEL UNTUK ANALISIS HUBUNGAN INFLASI, BI RATE DAN KURS DOLAR AMERIKA SERIKAT Vector Error Correction Model Approach to
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. Untuk memenuhi salah satu asumsi dalam uji data time series dan uji
BAB V HASIL DAN PEMBAHASAN 5.1 Uji Stasioneritas Untuk memenuhi salah satu asumsi dalam uji data time series dan uji VECM, maka perlu terlebih dahulu dilakukan uji stasioneritas. Uji stationaritas yang
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 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 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 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 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 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 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 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
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 METODE PENELITIAN
BAB III METODE PENELITIAN A. METODE PENELITIAN 1. Objek Penelitian Objek dalam penelitian ini adalah Perbankan Syariah di Indonesia yang mempunyai laporan keuangan yang transparan dan di publikasikan oleh
Lebih terperinciMETODE PENELITIAN. waktu (time series) dari tahun 1986 sampai Data tersebut diperoleh dari
40 III. METODE PENELITIAN 3.1. Jenis Dan Sumber Data Jenis data yang akan digunakan dalam penelitian ini adalah data sekunder yang relevan dengan penelitian. Semua data yang digunakan merupakan data deret
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 terperinciMETODOLOGI PENELITIAN. Untuk membatasi ruang lingkup permasalahan yang dijadikan objek
III. METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Untuk membatasi ruang lingkup permasalahan yang dijadikan objek penelitian, maka penelitian ini hanya menganalisis mengenai harga BBM dan nilai tukar
Lebih terperinciBAB III METODOLOGI PENELITIAN. Indonesia dan variabel independen, yaitu defisit transaksi berjalan dan inflasi.
BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini difokuskan pada variabel dependen utang luar negeri Indonesia dan variabel independen, yaitu defisit transaksi berjalan dan inflasi.
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 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 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 terperinciANALISIS KOINTEGRASI JUMLAH WISATAWAN, INFLASI, DAN NILAI TUKAR TERHADAP PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI
ANALISIS KOINTEGRASI JUMLAH WISATAWAN, INFLASI, DAN NILAI TUKAR TERHADAP PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI BALI Made Aristiawan Jiwa Atmaja 1, I Putu Eka N. Kencana 2, G.K. Gandhiadi 3 1 Jurusan
Lebih terperinciIII. METODE PENELITIAN. bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
Lebih terperinciPEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA
PEMODELAN VEKTOR AUTOREGRESIF X TERHADAP VARIABEL MAKROEKONOMI DI INDONESIA SKRIPSI Disusun Oleh : Nama : Bony Yudhistira Nugraha NIM : J2E 004 216 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS
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 terperinciIII. METODE PENELITIAN. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari
III. METODE PENELITIAN Metode penelitian merupakan langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesis penelitian.
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 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 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 terperinciIII. METODOLOGI PENELITIAN. urutan waktu dimulai dari penerapan Base Money Targeting Framework
63 III. METODOLOGI PENELITIAN A. Data dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dengan urutan waktu dimulai dari penerapan Base Money Targeting Framework (BMTF) periode
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam studi ini adalah data sekunder runtut waktu
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam studi ini adalah data sekunder runtut waktu (timeseries) bulanan dari periode 2008:04 2013:12 yang diperoleh dari laporan Bank
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 terperinciPERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH
PERBANDINGAN RAMALAN MODEL TARCH DAN EGARCH PADA NILAI TUKAR KURS EURO TERHADAP RUPIAH Oleh RETNO HESTININGTYAS M0106061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
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 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 PENELITIAN. Data yang digunakan dalam analisis ini adalah data sekunder berupa data
BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang digunakan dalam analisis ini adalah data sekunder berupa data bulanan periode 1998-2010. Variabel, data, satuan dan sumber data yang digunakan
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Rancangan Model Penelitian Model dasar yang akan digunakan dalam penelitian ini adalah mengacu pada model yang digunakan oleh Dritsaki, Dritsaki, dan Adamopoulos (2004)
Lebih terperinciIV. HASIL DAN PEMBAHASAN. Metode yang digunakan untuk menganalisis data dalam penelitian ini
51 IV. HASIL DAN PEMBAHASAN Metode yang digunakan untuk menganalisis data dalam penelitian ini adalah metode analisis Vector Error Correction (VEC) yang dilengkapi dengan dua uji lag structure tambahan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek dan Subyek Penelitian 1. Obyek Penelitian Obyek penelitian ini adalah pertumbuhan indeks pembangungan manusia Indonesia dan metode penelitiannya adalah analisis kuantitatif
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. stasioner dari setiap masing-masing variabel, baik itu variabel independent
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas Intrumen Data. 1. Uji Stasioner Data. Tahap pertama dalam metode VECM yaitu dengan melakukan pengujian stasioner dari setiap masing-masing variabel,
Lebih terperinciBAB III METODE PENELITIAN. Jawa Tengah diproxykan melalui penyaluran pembiayaan, BI Rate, inflasi
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah pertumbuhan ekonomi di Jawa Tengah. Sedangkan subjek penelitian menggunakan perbankan syariah di Jawa Tengah diproxykan
Lebih terperinciPERAMALAN LAJU INFLASI DAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI DAN NILAI TUKAR RUPIAH TERHADAP DOLAR AMERIKA MENGGUNAKAN MODEL VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Disusun Oleh : Fitrian Fariz Ichsandi 24010210141024 JURUSAN STATISTIKA FAKULTAS
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 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 terperinci(T.2) PENERAPAN THRESHOLD VECTOR ERROR CORRECTION MODEL (TVECM) PADA DATA INFLASI DAN SUKU BUNGA
(T.2) PENERAPAN THRESHOLD VECTOR ERROR CORRECTION MODEL (TVECM) PADA DATA INFLASI DAN SUKU BUNGA Widiyantono 1), Budi Nurani R 2), Gumgum Darmawan 3) 1)Mahasiswa Program Magister Statistika Terapan Universitas
Lebih terperinciIII. METODE PENELITIAN. series. Variabel yang digunakan dalam penelitian ini adalah BI rate, suku bunga
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk time series. Variabel yang digunakan dalam penelitian ini adalah BI rate, suku
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah
III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah nilai tukar rupiah, sedangkan
Lebih terperinciIV. METODE PENELITIAN
69 IV. METODE PENELITIAN 4.1. Jenis dan Sumber Data Penelitian menggunakan data sekunder, baik data yang bersifat kuantitatif maupun kualitatif. Data kuantitatif yang digunakan adalah data sekunder dengan
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 terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. Tabel 5.1 Uji Stasioneritas Data
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Uji Kausalitas dan Instrumen Data 1. Uji Stasioner Test Variabel Level t-statistik Sumber: Data Diolah Tabel 5.1 Uji Stasioneritas Data Prob ULN 2.065415 0.9998
Lebih terperinciMETODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis faktor-faktor yang
43 III. METODE PENELITIAN A. Jenis dan Sumber Data Ruang lingkup penelitian ini adalah menganalisis faktor-faktor yang mempengaruhi nilai tukar mengambang seperti uang beredar, suku bunga Indonesia(BI
Lebih terperinciBAB III METODE PENELITIAN
42 BAB III METODE PENELITIAN 3.1 Jenis Penelitian Masri Singarimbun dan Sofian Effendi membagi jenis penelitian ke dalam tiga jenis yaitu : 1. Penelitian Penjajakan (Exploratif Research) yaitu penelitian
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series
51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series yang didapat dari Bank Indonesia dan Badan Pusat Statistik dan melalui
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 terperinciV. HASIL DAN PEMBAHASAN. time series. Data time series umumnya tidak stasioner karena mengandung unit
48 V. HASIL DAN PEMBAHASAN 5.1 Uji Kestasioneritasan Data Uji stasioneritas data dilakukan pada setiap variabel yang digunakan pada model. Langkah ini digunakan untuk menghindari masalah regresi lancung
Lebih terperinciIII. METODE PENELITIAN. Laporan Kebijakan Moneter, Laporan Perekonomian Indonesia, Badan Pusat
49 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari data publikasi Bank Indonesia berupa Statistik Ekonomi Moneter, Laporan
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 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 terperinciMETODE PENELITIAN. 4.1 Jenis dan Sumber Data
41 IV. METODE PENELITIAN 4.1 Jenis dan Sumber Data Analisis integrasi pasar dan transmisi harga merupakan bagian dari analisis data time series. Penelitian ini menggunakan data bulanan pada periode Januari
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 terperinciHASIL DAN PEMBAHASAN. Pengujian kestasioneran data diperlukan pada tahap awal data time series
IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Pra Estimasi 4.1.1. Kestasioneran Data Pengujian kestasioneran data diperlukan pada tahap awal data time series untuk melihat ada tidaknya unit root yang terkandung
Lebih terperinciIJBE: Integrated Journal of Business and Economics e-issn:
IJBE: Integrated Journal of Business and Economics Model Vector Auto Regression (VAR) and Vector Error Correction Model (VECM) Approach for Inflation Relations Analysis, Gross Regional Domestic Product
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
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 terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah PDB, Ekspor, dan
III. METODE PENELITIAN A. Deskripsi Data Input Variabel-variabel yang digunakan dalam penelitian ini adalah PDB, Ekspor, dan Foreign Direct Investment ((FDI). Deskripsi tentang satuan pengukuran, jenis
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 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 terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
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 MODEL STATE-SPACE. dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan dari
BAB III MODEL STATE-SPACE 3.1 Representasi Model State-Space Representasi state space dari suatu sistem merupakan suatu konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi keterbatasan
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 terperinciBAB III METODE PENELITIAN. data time series dengan frekuensi bulanan dari Januari 2000 sampai Januari 2013.
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dari Indeks Harga Saham Gabungan (IHSG), nilai tukar Rupiah terhadap Dollar AS (Kurs),
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Pada bab sebelumnya telah disinggung mengenai error correction model (ECM) seringkali digunakan dalam menguji stabilitas permintaan uang. Penggunaannya karena ECM memiliki
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciBAB V HASIL DAN PEMBAHASAN. langkah yang penting sebelum mengolah data lebih lanjut. Data time series yang
60 BAB V HASIL DAN PEMBAHASAN 5.1. Uji Stasioneritas Hasil dan pembahasan dalam penelitian ini akan didasarkan pada langkahlangkah yang telah dijelaskan sebelumnya pada Bab III. Langkah pertama merupakan
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang
30 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang diperoleh dari Laporan Bank Indonesia, Statistik Ekonomi dan Keuangan Indonesia,
Lebih terperinciPENDEKATAN METODE VAR-GARCH PADA PEMODELAN KETERKAITAN INDEKS HARGA SAHAM GABUNGAN (IHSG), KURS DOLLAR AMERIKA DAN HARGA EMAS DUNIA
Jurnal LOG!K@ Jilid 7 No. 017 Hal. 137-145 ISSN 1978 8568 PENDEKATAN METODE VAR-GARCH PADA PEMODELAN KETERKAITAN INDEKS HARGA SAHAM GABUNGAN (IHSG) KURS DOLLAR AMERIKA DAN HARGA EMAS DUNIA Dwi Fikriah
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. Data dan Sumber Data 1. Data Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Variabel Sektor Moneter dan Riil Terhadap Inflasi di Indonesia (Periode 2006:1
Lebih terperinciPENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 28 37 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU NELFA SARI Program Studi Matematika, Fakultas
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciIII. METODELOGI PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah current account
III. METODELOGI PENELITIAN A. Deskripsi Variabel Variabel-variabel yang digunakan dalam penelitian ini adalah current account sebagai variabel terikat dan nilai tukar, inflasi, PDB, dan aktiva luar negeri
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. Ruang lingkup penelitian ini adalah penelitian yang bertujuan untuk menganalisis
III. METODE PENELITIAN A.Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah penelitian yang bertujuan untuk menganalisis pengaruh inflasi, pertumbuhan ekonomi, reformasi pengawasan perpajakan
Lebih terperinci