Setelah semua proses dalam metode Box-Jenkis dilakukan tahap berikutnya adalah melakukan overfitting model yaitu membandingkan model
dengan model lain yang berbeda satu ordo di atasnya. Hal yang dibandingkan pada overfitting adalah signifikasi parameter, pemenuhan asumsi sisaan, dan
Akaike’s Information Criterion AIC. Jika dalam proses overfitting didapatkan
model yang relevan dengan data, maka langkah terakhir adalah proses peramalan. Peramalan merupakan proses untuk menentukan data beberapa periode waktu ke
depan dari titik waktu ke-t .Setelah peramalan, ketepatan peramalan dapat dicari dengan menghitung nilai Mean Absolute Percentage Error MAPE dengan
persamaan menurut Douglas et.al 2008 sebagai berikut : MAPE=1 |
=11| 3.6
dengan 1 adalah relative forecast error. Adapun persamaan
1 adalah 1 =
− 100
3.7 dengan xt adalah data aktual pada waktu ke-t, n adalah jumlah data yang diramal
dan ft adalah data hasil ramalan pada waktu ke-t. Semakin kecil nilai MAPE menunjukan bahwa data hasil peramalan mendekati nilai aktual.
3.3.2 Metode Pengolaha dan Anlaisis Data
Metode yang digunakan dalam penelitian ini adalah metode Vektor Autoregression
First Difference VAR FD. Pendekatan VAR dikembangkan oleh Sims 1980, dimana VAR adalah suatu sistem persamaan yang memperlihatkan
setiap peubah sebagai fungsi linear dari konstanta dan nilai lag dari peubah itu sendiri serta nilai lag dari peubah lain yang ada dalam sistem. Dalam VAR,
pemisahan variabel eksogen dan endogen diabaikan dan menganggap bahwa semua variabel yang digunakan dalam analisis berpotensi menjadi variabel
endogen. Tujuan dari analisis VAR adalah bukan untuk estimasi parameter atau untuk peramalan jangka pendek, tetapi lebih kepada menentukan hubungan antara
variabel. Spesifikasi model VAR sesuai dengan kriteria Sim 1980 meliputi
pemilihan variabel yang sesuai dengan teori ekonomi yang relevan dan sesuai dengan pemilihan lag yang digunakan dalam model. Dalam pemilihan selang
optimal yang dipakai dapat memanfaatkan kriteria informasi seperti Akaike Information Criterion
AIC, Schwarz Information Criterion SC maupun Hannan-Quinn Criterion
HQ. Model VAR dikembangkan sebagai solusi atas kritikan terhadap model
persamaan simultan yaitu: 1.
Spesifikasi dari sistem persamaan simultan terlalu berdasarkan pada agregasi dari model keseimbangan parsial, tanpa memperhatikan pada hasil
hubungan yang hilang omitted interrelation. 2.
Struktur dinamis pada model seringkali dispesifikasikan dengan tujuan untuk memberikan restriksi yang dibutuhkan dalam mendapatkan
identifikasi dari bentuk struktural. Keunggulan metode VAR dibandingkan dengan metode ekonometrik
konvensional adalah berikut ini. 1.
Metode ini sederhana, tanpa harus membedakan mana variabel endogen dan variabel eksogen
2. Estimasinya sederhana, dimana metode OLS biasa dapat diaplikasikan pada
tiap-tiap persamaan secara terpisah
3. Karena bekerja berdasarkan data, metode VAR terbebas dari berbagai batasan
teori ekonomi yang sering muncul termasuk gejala perbedaan semu spurious variable endogenity dan exogenity
di dalam model ekonometrik konvensional terutama pada persamaan simultan, sehingga menghindari
penafsiran yang salah 4.
Hasil perkiraan forecast yang diperoleh dengan menggunakan metode ini dalam banyak kasus lebih bagus dibandingkan dengan hasil yang didapat
dengan menggunakan model persamaan simultan yang kompleks sekalipun. Selain itu, analisis VAR juga merupakan alat analisis yang sangat berguna,
baik di dalam memahami adanya hubungan timbal balik interrelationship 5.
Mengembangkan model secara bersamaan di dalam suatu sistem yang kompleks multivariate, sehingga dapat menangkap hubungan keseluruhan
variabel di dalam persamaan itu. Model VAR juga memiliki kelemahan yaitu model VAR lebih bersifat
teoritik karena tidak memanfaatkan informasi dari teori–teori terdahulu, model VAR dianggap tidak sesuai implikasi kebijakan karena lebih menitikberatkan
pada peramalan forecasting, perlunya memilih lag yang tepat dan variabel yang digunakan dalam model VAR harus stationer serta koefisien dalam estimasi VAR
sulit untuk diinterpretasikan. VAR membuat seluruh variabel menjadi endogenous dan menurunkan
distributed lag -nya. VAR dengan ordo p dengan n buah peubah tak bebas pada
waktu ke-t dapat dimodelkan sebagai berikut: Y
t
= A + A
1
Y
t-1
+A
2
y
t-2
+ ... + A
p
Y
t-p
+ e
t
3.8 dimana :
Y
t
= vektor peubah tak bebas y
1t
,........., y
nt
berukuran n x 1, A
= vektor intersep berukuran n x 1, A
1
= matriks parameter yang berukuran n x n untuk setiap i = 1, 2, ..., p, e
t
= vektor sisaan e
1t
, ..., e
nt
3.4 Tahap-Tahap Pengujian
