Hipotesis LKM Syariah menuju Pembentukan Sistem Ekonomi Inklusif

ini berbeda dengan model struktural baik model kausal maupun simultan dimana persamaan model tersebut menunjukkan hubungan antara variabel- variabel ekonomi. Alasan utama penggunaan metode Box-Jenkins dalam penelitian ini karena gerakan variabel jumlah pembiayaan UMKM, jumlah kantor BPRS, dan jumlah nassabah BPRS seringkali sulit dijelaskan oleh teori- teori ekonomi. Teknik Box-Jenkins sebagai teknik peramalan berbeda dengan kebanyakan model peramalan yang ada. Didalam model ini tidak ada asumsi khusus tentang data historis dari runtut waktu, tetapi menggunakan metode iteratif untuk menentukan model yang terbaik. Model yang terpilih kemuadian akan dicek ulang dengan data historis apakah telah menggambarkan data dengan tepat. Model terbaik akan diperoleh jika residual antara model peramalan dan data historis kecil, didistribusikan secara random dan independen. Namun bila model yang dipilih tidak mampu menjelaskan dengan baik maka proses penentuan model perlu diulangi. Model Box-Jenkins ini terdiri dari beberapa model yaitu autoregressive AR, moving average MA, autoregressive-moving average ARMA dan autoregressive integrated moving average ARIMA. 61 a Model Autoregressive Model pertama ARIMA adalah model autoregressive AR menunjukkan nilai prediksi variabel dependen Yt hanya merupakan fungsi 61 Agus Widarjono. Ekonometrika Pengantar dan Aplikasi. Yogyakarta: Ekonosia. 2009. h 275-257. linier dan sejumlah Yt aktual sebelumnya. Misalnya nilai variabel dependen Yt hanya dipengaruhi oleh nilai variabel tersebut satu periode sebelumnya atau kelambanan pertama maka model tersebut disebut model autoregressive tingkat pertama atau disingkat AR1. b Model Moving Average Model kedua ARIMA adalah model movind average MA, model ini menyatakan bahwa nilai prediksi variabel dependen Yt hanya dipengaruhi oleh nilai residual periode sebelumnya. Misalnya jika nilai variabel dependen Yt hanya dipengaruhi oleh nilai residual satu periode sebelumnya maka disebut dengan model MA tingkat pertama atau disingkat dengan MA1. Model MA adalah model prediksi variabel dependen Y berdasarkan kombinasi linear dari residual sebelumnya sedangkan model AR memprediksi variabel Y didasarkan pada nilai Y sebelumnya. c Model Autoregressive-Moving Average Seringkali suatu data time series dapat dijelaskan dengan baik melalui penggabungan antara model AR dan model MA. Model gabungan ini disebut Autoregressive-Moving Average ARMA. Misalnya nilai variabel dependen Y t dipengaruhi oleh kelambanan pertama Yt dan kelambanan tingkat pertama residual maka modelnya disebut dengan model ARMA1,1 d Model Autoregressive Integrated Moving Average Model AR, MA dan ARMA sebelumnya mensyaratkan bahwa data time series yang diamatai mempunyai sifat stasioner. Data time series dikatakan stasioner jika memenuhi tiga kriteria yaitu data time series mempunyai rata-