commit to user
4.7 Estimasi dan Evaluasi Model LSTAR2,1
Hasil estimasi model LSTAR2,1 pada Tabel 4.6 memperlihatkan nilai estimasi dari parameter
, 1
φ ,
1 ,
1
φ ,
2 ,
1
φ ,
, 2
φ , dan
1 ,
2
φ signifikan tidak sama dengan nol karena mimiliki p-value kurang dari 0,05.
Tabel 4.6 Hasil Estimasi Model LSTAR2,1 Parameter Koefisien
Standar Deviasi
t-Statistik Probabilitas
, 1
φ -0,037859
0,010302 -3,674863 0,0002
1 ,
1
φ -1,032200
0,154190 -6,694360 0,0000
2 ,
1
φ -0,507625
0,063378 -8,009492 0,0000
, 2
φ 0,020159 0,005236 3,849893 0,0001
1 ,
2
φ -0,985679
0,074961 -13,14924 0,0000
γ
82,86620 17,01573 4,869977 0,0000 c
-0,008792 0,003171 -2,772503
0,0056 Standar Deviasi
0,0128 AIC -5,865251
Model LSTAR2,1 yang diperoleh adalah
t t
t t
t t
t
X X
X X
X X
ε +
⎟⎟⎠ ⎞
⎜⎜⎝ ⎛
+ −
+ +
⎟⎟⎠ ⎞
⎜⎜⎝ ⎛
⎟⎟⎠ ⎞
⎜⎜⎝ ⎛
+ −
+ −
=
− −
− −
−
0,008792 82,86620
exp 1
1 0,985679
- 0,020159
0,008792 82,86620
exp 1
1 1
0.,07625 -
1,032200 -
0,037859 -
1 1
1 2
1
dengan
t
X adalah data log return saat periode ke-t dan
t
ε adalah residu yang dihasilkan oleh model. Output model LSTAR2,1 selengkapnya dapat dilihat
pada Lampiran 8. Model LSTAR2,1 yang telah diperoleh ini akan diperiksa lebih lanjut.
Model ini diperiksa tingkat kesesuaiannya di dalam memodelkan data runtun waktu log return kurs thai bath terhadap rupiah.
Uji autokorelasi residu dilakukan dengan menggunakan uji statistik Breusch-Godfrey. Berdasarkan Tabel 4.7, p-value uji Breusch-Godfrey=0,000000
lebih kecil dari 05
, =
α
maka dapat disimpulkan bahwa masih terdapat
commit to user
autokorelasi di dalam residu model LSTAR2,1. Hal ini menunjukkan bahwa model LSTAR2,1 belum sesuai digunakan untuk memodelkan data log return
kurs thai bath terhadap rupiah sehingga perlu dilakukan identifikasi kembali untuk menentukan model STAR yang lebih tepat. Output uji Breusch-Godfrey residu
LSTAR2,1 selengkapnya dapat dilihat pada Lampiran 10. Tabel 4.7 Hasil Uji Breusch-Godfrey sampai Lag-5 Residu LSTAR 2,1
Koefisien Probabilitas
Uji Breusch-Godfrey 0,000000
, 1
φ 0,005379 0,6017
1 ,
1
φ 0,550073 0,0015
2 ,
1
φ 0,208833 0,0127
, 2
φ
-0,004304 0,4267
1 ,
2
φ 0,576510 0,0000
γ
18.80214 0,2700 c
0,001056 0,7572 Residu pada lag-1 -0,566961
0,0000 Residu pada lag-2 0,130437
0,0151 Residu pada lag-3 0,108098
0,0019 Residu pada lag-4 -0,027394
0,3430 Residu pada lag-5 0,031646
0,2636 Identifikasi dilakukan kembali dengan mengganti pilihan variabel transisi
2 −
t
X dan menentuan kembali tipe fungsi transisi yang tepat.
Pada Tabel 4.8, parameter
2 ,
3
β
signifikan tidak sama dengan nol karena memiliki p-value kurang dari 0,05, artinya hipotesis nol
0,3 3
: H
= β
dalam prosedur penentuan tipe fungsi transisi ditolak. Oleh karena itu, model yang harus
dipilih adalah model LSTAR2,2.
commit to user
Tabel 4.8 Model Regresi Bantu dengan Variabel Transisi
2 −
t
X pada Uji Nonlinearitas pada Data Log Return
Parameter Koefisien Standar Deviasi
t-Statistik Probabilitas
1 ,
1
β 3,877463 1,492268 2,598369 0,0095
2 ,
1
β -2,336404
1,009192 -2,313123 0,0208
1 ,
2
β 19,79220 7,594445 2,606142 0,0093
2 ,
2
β -21,15918
6,105798 -3,465424 0,0005
1 ,
3
β -245,1739
135,9705 -1,803141 0,0716
2 ,
3
β 191,8080 87,51854 2,191627 0,0286
4.8 Estimasi dan Evaluasi Model LSTAR2,2
Kategori