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-