Sementara dari grafik di atas, dapat dilihat bahwa pola sebaran data suku bunga dan kurs Rupiah terhadap Dollar AS hampir sama
dimana apabila suku bunga meningkat, maka kurs Rupiah terhadap Dollar AS juga akan meningkat, begitu pun sebaliknya. Hal ini
menunjukkan bahwa dalam jangka panjang keduanya dapat saling berpengaruh.
Untuk mengetahui bagaiman hubungan di antara keduanya, maka dilakukan penelitian ini. Tujuan dari penelitian ini adalah untuk
mengetahui apakah kurs Rupiah terhadap Dollar AS dan suku bunga saling berpengaruh atau salah satunya mempengaruhi satu yang lain
dan bagaimana pengaruhnya serta apakah ada hubungan jangka panjang atau tidak di antara keduanya.
II. METODOLOGI
Berdasarkan apa yang telah dijelaskan di awal, maka kerangka pemikiran dalam penelitian ini ditujukkan pada Gambar 1.
Gambar 2. Kerangka Pemikiran
Untuk mencapai tujuan dari penelitian ini, maka dilakukan pengolahan dan analisis terhadap data series bulanan kurs
RupiahDollar AS dan suku bunga BI rate bulan Januari 2009 sampai bulan April 2015 yang didapat dari Statistik Ekonomi Keuangan
Indonesia SEKI dan International Financial Statistics IFS yang
dianalisis menggunakan software Eviews 8 dengan model VAR Vector
Autoregressive. Model ini merupakan model ekonometrik simultan yang dapat digunakan ketika semua variabel dipandang sebagai
variabel endogen Gujarati, 2004, hal. 887. Selanjutnya dilakukan uji kointegrasi Johansen untuk mengetahui apakah ada hubungan jangka
panjang antara suku bunga dan kurs Rupiah terhadap Dollar AS.
Asumsi yang harus terpenuhi dari analisis menggunakan model ini adalah data series yang digunakan harus stasioner Enders, 2003,
hal. 264. Sebuah data deret waktu dikatakan stasioner jika rata-rata dan variansnya variance konstan sepanjang waktu. Uji stationer data
penting dilakukan untuk mengetahui apakah terjadi pelanggaran asumÃs regresi. Masalah utama yang terjadi apabila data yang
digunakan di dalam analisis regresi tidak stasioner, nilai dugaan yang dihasilkan menjadi bias spurious regression, sehingga menimbulkan
kesalahan dalam interpretasi hasil analisis. Untuk menanggulagi masalah data yang tidak stationer, maka dapat dilakukan
differencial terhadap data.
Menurut Juanda 2012, analisis penting dalam model VAR adalah peramalan, uji kausalitas,
impulse response, dan forecast error decomposition variance. Sebelum peramalan, dilakukan simulasi
dinamis yang menggunakan semua persamaan VAR secara simultan untuk mencocokkan data aktual dengan
fited-nya. Uji kausalitas adalah
pengujian untuk menentukan hubungan sebab akibat antara variabel dalam sistem VAR. Hubungan sebab akibat diuji dengan uji kausalitas
Granger. Model VAR dapat digunakan untuk melihat dampak perubahan dari satu variabel terhadap variabel lainnya secara dinamis.
Caranya dengan memberikan
shock pada salah satu variabel endogen. Shock yang diberikan biasanya sebesar satu standar deviasi dari
variabel disebut Innovations. Penelusuran pengaruh shock yang
dialami oleh satu variabel terhadap nilai semua variabel saat ini dan beberapa periode mendatang disebut teknik
Impulse Response Function IRF. Sedangkan Forecast Error Decomposition Variance
FEDV bertujuan memprediksi kontribusi persentase varian setiap variabel karena adanya perubahan variabel tertentu dalam sistem VAR.
Analisis FEDV digunakan untuk menggambarkan relatif pentingnya setiap variabel dalam sistem VAR karena adanya shock.
III. HASIL DAN PEMBAHASAN
