Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi, Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi
ABSTRAK
AGUS WAHYULI. Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi,
Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi. Di bawah bimbingan I MADE SUMERTAJAYA
dan SUTIJASTOTO.
Permintaan akan konsumsi minyak bumi yang terus meningkat sejalan dengan laju pertumbuhan
ekonomi dan pertambahan penduduk tanpa diimbangi dengan peningkatan kapasitas produksi kilang
minyak Indonesia, menimbulkan masalah bagi para pengambil kebijakan disisi pemerintah. Data tentang
minyak bumi yang up to date beserta beberapa metode peramalan menjadi kebutuhan utama bagi
pemerintah.
Metode peramalan untuk data deret waktu produksi, konsumsi, ekspor, impor, dan harga minyak
bumi dapat dilakukan dengan teknik peramalan model deret waktu tunggal dan dapat juga dilakukan
secara bersamaan (simultan). VAR (Vector Autoregressive) merupakan model peramalan multivariate
yang digunakan untuk menyusun sistem peramalan dari data deret waktu yang saling terkait dan untuk
menganalisis efek dinamis dari keberadaan faktor acak yang mengganggu sistem tersebut.
Adanya hubungan keterkaitan dan pengaruh timbal balik antara produksi, konsumsi, ekspor, impor,
dan harga minyak bumi menyebabkan analisis model VAR layak untuk digunakan. Kelima peubah
tersebut bersifat stasioner baik dalam ragam maupun dalam rataan setelah dilakukan transformasi
logaritma dan pembedaan satu kali untuk semua peubah. Berdasarkan perhitungan nilai AIC, diperoleh
ordo yang signifikan untuk model VAR adalah satu (p=1). Dengan menggunakan uji johansen didapatkan
rank kointegrasi sebesar empat, yang berarti model VAR standar tidak bisa langsung digunakan. Model
yang bisa merepresentasikan adanya kointegrasi adalah model VECM (Vector Error Correction Model).
Karena didapatkan ordo satu dan rank kointegrasi empat untuk model, maka model lengkapnya adalah
model VECM ordo satu dengan rank kointegrasi empat. Berdasarkan nilai MAPE untuk model VECM
dan ARIMA untuk semua peubah, didapatkan hasil bahwa peramalan produksi, impor, dan harga untuk
model VECM lebih akurat bila dibandingkan dengan model ARIMA (peramalan individual). Hal ini
terjadi karena nilai MAPE VECM untuk ketiga peubah tersebut lebih kecil dibandingkan nilai MAPE
ARIMA. Akan tetapi untuk kasus konsumsi dan ekspor minyak bumi berlaku hal sebaliknya, dalam arti
model ARIMA lebih akurat dibandingkan model VECM.
RIWAYAT HIDUP
ANALISIS VAR (VECTOR AUTOREGRESSIVE)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
Judul
:
Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan
Produksi, Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi
Nama
:
Agus Wahyuli
NRP
:
G14103035
Menyetujui :
Pembimbing I,
Pembimbing II,
Dr. Ir. I Made Sumertajaya, M.Si
NIP. 132 085 916
Ir. Sutijastoto, M.A
NIP. 100 009 381
Mengetahui,
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS
NIP. 131 473 999
Tanggal Lulus :
ANALISIS VAR (VECTOR AUTOREGRESSIVE)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
ABSTRAK
AGUS WAHYULI. Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi,
Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi. Di bawah bimbingan I MADE SUMERTAJAYA
dan SUTIJASTOTO.
Permintaan akan konsumsi minyak bumi yang terus meningkat sejalan dengan laju pertumbuhan
ekonomi dan pertambahan penduduk tanpa diimbangi dengan peningkatan kapasitas produksi kilang
minyak Indonesia, menimbulkan masalah bagi para pengambil kebijakan disisi pemerintah. Data tentang
minyak bumi yang up to date beserta beberapa metode peramalan menjadi kebutuhan utama bagi
pemerintah.
Metode peramalan untuk data deret waktu produksi, konsumsi, ekspor, impor, dan harga minyak
bumi dapat dilakukan dengan teknik peramalan model deret waktu tunggal dan dapat juga dilakukan
secara bersamaan (simultan). VAR (Vector Autoregressive) merupakan model peramalan multivariate
yang digunakan untuk menyusun sistem peramalan dari data deret waktu yang saling terkait dan untuk
menganalisis efek dinamis dari keberadaan faktor acak yang mengganggu sistem tersebut.
Adanya hubungan keterkaitan dan pengaruh timbal balik antara produksi, konsumsi, ekspor, impor,
dan harga minyak bumi menyebabkan analisis model VAR layak untuk digunakan. Kelima peubah
tersebut bersifat stasioner baik dalam ragam maupun dalam rataan setelah dilakukan transformasi
logaritma dan pembedaan satu kali untuk semua peubah. Berdasarkan perhitungan nilai AIC, diperoleh
ordo yang signifikan untuk model VAR adalah satu (p=1). Dengan menggunakan uji johansen didapatkan
rank kointegrasi sebesar empat, yang berarti model VAR standar tidak bisa langsung digunakan. Model
yang bisa merepresentasikan adanya kointegrasi adalah model VECM (Vector Error Correction Model).
Karena didapatkan ordo satu dan rank kointegrasi empat untuk model, maka model lengkapnya adalah
model VECM ordo satu dengan rank kointegrasi empat. Berdasarkan nilai MAPE untuk model VECM
dan ARIMA untuk semua peubah, didapatkan hasil bahwa peramalan produksi, impor, dan harga untuk
model VECM lebih akurat bila dibandingkan dengan model ARIMA (peramalan individual). Hal ini
terjadi karena nilai MAPE VECM untuk ketiga peubah tersebut lebih kecil dibandingkan nilai MAPE
ARIMA. Akan tetapi untuk kasus konsumsi dan ekspor minyak bumi berlaku hal sebaliknya, dalam arti
model ARIMA lebih akurat dibandingkan model VECM.
RIWAYAT HIDUP
Agus Wahyuli, dilahirkan di Rembang pada tanggal 30 Juli 1985 sebagai anak pertama dari satu
orang saudara kandung, putera dari pasangan Bapak Listari Widodo dan Ibu Rasmi.
Pendidikan formal penulis dari SD sampai dengan SMU diselesaikan di Rembang. Pada tahun 1997
penulis menamatkan pendidikan SD di SDN 1 Seren, kemudian melanjutkan studi ke SLTPN 2 Sulang
dan lulus tahun 2000. Tahun 2003 penulis menamatkan pendidikan di SMUN 1 Rembang, dan pada tahun
yang sama lulus seleksi masuk IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) pada Departemen
Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama menjadi mahasiswa di IPB, penulis aktif dalam kegiatan BEM TPB IPB 2003 (Badan
Eksekutif Mahasiswa Tingkat Persiapan Bersama) sebagai staff pada Departemen Sosial Politik dan
Keorganisasian periode 2003/2004. Penulis juga aktif dalam kegiatan HIMPRO GSB (Gamma Sigma
Beta) sebagai ketua Departemen Kajian Strategis dan Sekretaris Umum tahun 2004 sampai 2005. Pada
bulan Februari sampai April 2007 penulis melaksanakan praktik lapang di PT. Capricorn MARS
Indotama.
PRAKATA
Alhamdulillahi rabbil’alamin. Puji Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT
atas limpahan rahmat karunia-Nya sehingga penulis dapat menyelesaikan penulisan karya ilmiah ini. Dan
tidak lupa, shalawat serta salam semoga tercurahkan kepada Rasulullah Muhammad SAW, kepada
keluarganya, sahabatnya dan pengikut-pengikutnya yang senantiasa berjuang di jalan ALLAH. Tema
yang dipilih dalam penelitian ini adalah analisis VAR (Vector Autoregressive) untuk mekanisme
pemodelan produksi, konsumsi, ekspor, impor, dan harga minyak bumi.
Banyak ilmu dan pelajaran yang penulis dapatkan dan rasakan dalam penyusunan karya ilmiah ini,
sehingga pada kesempatan ini penulis menyampaikan banyak terima kasih kepada semua pihak yang telah
membantu. Ucapan terima kasih ini diantaranya ditujukan kepada :
1. Bapak Dr. Ir. I Made Sumertajaya, M.Si selaku pembimbing I atas segala bimbingan, waktu,
kesabaran dan masukan-masukannya selama menyelesaikan karya ilmiah ini.
2. Bapak Ir. Sutijastoto, M.A dari Pusdatin Departemen Energi Sumber Daya Mineral (DESDM)
selaku pembimbing II atas segala bimbingan, data, waktu, dan saran-sarannya selama
menyelesaikan karya ilmiah ini.
3. Seluruh dosen Departemen Statistika atas segala ilmu yang bermanfaat.
4. Teristimewa kupersembahkan karya kecil ini untuk kedua orang tuaku yang selalu memberikan
semangat, kasih sayang yang tiada henti, doa yang tiada putus, dan pengertian kepada ananda.
5. Arie Dwi, terima kasih banyak untuk semuanya hingga penulis sampai pada tahap ini. Terima
kasih untuk doanya, dukungan yang selalu diberikan tiap hari, motivasi dan semangat yang
selalu penulis butuhkan, dan waktu yang sangat berharga bagi penulis.
6. Mbak Nia dan Mas Nunung dari Pusdatin DESDM atas waktu, tumpangan tempatnya, dan
bantuannya selama ini. Terimakasih juga pada Mbak Etna serta seluruh staff Pusdatin DESDM
yang tidak dapat disebutkan satu per satu.
7. Tagor, terima kasih banyak untuk empat tahun ini. Kau adalah teman yang sangat baik.
8. Lala, Ema, Rara. Terima kasih untuk bantuannya pada waktu penulis seminar. Kalian adalah
seksi konsumsi yang sangat cerdas.
9. Teman-teman STK 40. Terima kasih untuk kebersamaannya selama empat tahun ini. Penulis
tidak akan melupakan saat-saat bersama kalian. Semoga kesuksesan selalu bersama kita.
10. Bu Markonah, Bu Sulis, Bu Dedeh, Mang Dur, Pak Iyan, Mang Herman, Pak Heri atas segala
bantuan yang diberikan selama ini.
11. Teman-teman “BATOSAI”. Terima kasih semuanya.
12. Adik-adik kelas STK 41 dan STK 42.
13. Semua pihak yang tidak memungkinkan untuk disebutkan satu per satu.
Semoga semua amal baik, bantuan, dan keikhlasan yang telah diberikan kepada penulis mendapat
balasan dari Allah SWT. Dan semoga karya ilmiah ini bermanfaat.
Bogor, September 2007
Agus wahyuli
DAFTAR ISI
Halaman
DAFTAR TABEL.................................................................................................................................. ix
DAFTAR GAMBAR .............................................................................................................................
ix
DAFTAR LAMPIRAN .........................................................................................................................
x
PENDAHULUAN
Latar belakang ..................................................................................................................................
Tujuan Penelitian .............................................................................................................................
1
1
TINJAUAN PUSTAKA
Minyak Bumi ...................................................................................................................................
Model ARIMA .................................................................................................................................
Kestasioneran Data .....................................................................................................................
Korelasi Diri (Autocorrelation) dan Korelasi Diri Parsial (Partial Autocorrelation) ..............
Identifikasi Model ARIMA........................................................................................................
Pendugaan Parameter Model ARIMA .......................................................................................
Ketepatan Metode Pearamalan...................................................................................................
Vector Autoregressive (VAR)..........................................................................................................
Penentuan Panjang Lag ..............................................................................................................
Statistik Uji Kelayakan Model VAR ........................................................................................
Cholesky Decomposition (Variance Decomposition)................................................................
Impulse Response Function (IRF) .............................................................................................
Vector Error Correction Model (VECM)..................................................................................
Kointegrasi .................................................................................................................................
Model VECM .............................................................................................................................
1
2
2
2
3
3
3
3
4
4
4
4
5
5
5
BAHAN DAN METODE
Bahan Penelitian ..............................................................................................................................
Metode Penelitian ............................................................................................................................
5
6
HASIL DAN PEMBAHASAN
Eksplorasi Data ................................................................................................................................
Proses atau Fase Pembentukan Model.............................................................................................
Model ARIMA ...........................................................................................................................
Produksi ................................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
Konsumsi ..............................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
Ekspor ...................................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
Impor .....................................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
6
7
7
7
7
8
8
8
9
9
9
9
9
9
10
10
10
10
10
11
11
11
11
Harga ..................................................................................................................................... 11
1. Pemeriksaan Kestasioneran Data ............................................................................ 11
2. Identifikasi Model ................................................................................................... 12
3. Overfitting dan Pendugaan Parameter .................................................................... 12
4. Diagnostik atau Uji Kelayakan Model.................................................................... 12
Model VAR ................................................................................................................................ 12
1. Pemeriksaan Kestasioneran Data ............................................................................ 12
2. Penentuan Panjang Lag atau Ordo VAR ................................................................ 12
3. Uji Kointegrasi ........................................................................................................ 13
4. Pendugaan Model .................................................................................................... 13
5. Uji Kelayakan Model VECM ................................................................................. 14
Interpretasi Model ............................................................................................................................ 14
Model ARIMA ........................................................................................................................... 14
Produksi ................................................................................................................................ 14
Konsumsi .............................................................................................................................. 14
Ekspor ................................................................................................................................... 14
Harga ..................................................................................................................................... 14
Impor ..................................................................................................................................... 14
Model VAR / VECM ................................................................................................................. 14
1. Cholesky Decomposition atau Dekomposisi Ragam .................................................... 14
2. Impulse Response Function (IRF) ................................................................................ 15
Aplikasi atau Penerapan Model VAR dan ARIMA ........................................................................ 15
KESIMPULAN DAN SARAN
Kesimpulan.......................................................................................................................................
Saran ...............................................................................................................................................
18
18
DAFTAR PUSTAKA ............................................................................................................................
18
LAMPIRAN ...........................................................................................................................................
20
DAFTAR TABEL
Halaman
1
2
3
Uji Augmented Dickey Fuller untuk kestasioneran ............................................................ 8
Hasil perhitungan ordo VAR ............................................................................................... 13
Uji johansen kointegrasi ...................................................................................................... 13
DAFTAR GAMBAR
Halaman
1
2
3
4
5
Plot data aktual produksi minyak bumi Indonesia ..............................................................
Plot data aktual konsumsi minyak bumi untuk kebutuhan kilang domestik Indonesia .....
Plot data aktual ekspor minyak bumi Indonesia..................................................................
Plot data aktual impor minyak bumi Indonesia ...................................................................
Plot data aktual harga minyak bumi Internasional ..............................................................
6
6
7
7
7
DAFTAR LAMPIRAN
Halaman
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
Plot ACF dan PACF data awal produksi .............................................................................
Plot ACF dan PACF data awal logaritma produksi ............................................................
Plot ACF dan PACF logaritma produksi setelah 1 kali differencing..................................
Kandidat model ARIMA produksi ......................................................................................
Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,1).........................................
Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,2).........................................
Plot autokorelasi sisaan produksi untuk model ARIMA (1,1,0)........................................
Plot data awal logaritma produksi .......................................................................................
Plot logaritma produksi setelah 1 kali differencing.............................................................
Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,1) ...............................
Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,2) ...............................
Histogram kenormalan sisaan produksi untuk model ARIMA (1,1,0) ...............................
Plot ACF dan PACF data awal konsumsi ...........................................................................
Plot ACF dan PACF data awal logaritma konsumsi ...........................................................
Plot ACF dan PACF logaritma konsumsi setelah 1 kali differencing ................................
Kandidat model ARIMA konsumsi .....................................................................................
Plot autokorelasi sisaan konsumsi untuk model (0,1,1) ......................................................
Plot autokorelasi konsumsi utuk model (2,1,0) ...................................................................
Plot autokorelasi konsumsi utuk model ARIMA (1,1,0) ....................................................
Plot autokorelasi konsumsi utuk model (2,1,1) ...................................................................
Plot data awal logaritma konsumsi ......................................................................................
Plot logaritma konsumsi setelah 1 kali differencing ...........................................................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (0,1,1) .............................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,0) .............................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (1,1,0) .............................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,1) .............................
Plot ACF dan PACF data awal Ekspor................................................................................
Plot ACF dan PACF data awal logaritma ekspor................................................................
Plot ACF dan PACF logaritma ekspor setelah 1 kali differencing .....................................
Kandidat model ARIMA Ekspor .........................................................................................
Plot autokorelasi sisaan ekspor untuk model ARIMA (0,1,1) ............................................
Plot autokorelasi sisaan ekspor untuk model ARIMA (1,1,0) ............................................
Plot autokorelasi sisaan ekspor untuk model ARIMA (2,1,0) ............................................
Plot data awal logaritma ekspor...........................................................................................
Plot logaritma ekspor setelah 1 kali differencing ................................................................
Histogram kenormalan sisaan ekspor untuk model ARIMA (0,1,1) ..................................
Histogram kenormalan sisaan ekspor untuk model ARIMA (1,1,0) ..................................
Histogram kenormalan sisaan ekspor untuk model ARIMA (2,1,0) ..................................
Plot ACF dan PACF data awal impor .................................................................................
Plot ACF dan PACF data awal logaritma impor .................................................................
Plot ACF dan PACF logaritma impor setelah 1 kali differencing ......................................
Kandidat model ARIMA impor ...........................................................................................
Plot autokorelasi sisaan impor untuk model ARIMA (0,1,1) .............................................
Plot autokorelasi sisaan impor untuk model ARIMA (0,1,2) .............................................
Plot autokorelasi sisaan impor untuk model ARIMA (1,1,0) ............................................
Plot autokorelasi sisaan impor untuk model ARIMA (2,1,0) .............................................
Plot data awal logaritma impor ............................................................................................
Plot logaritma impor setelah 1 kali differencing .................................................................
Histogram kenormalan sisaan impor untuk model ARIMA (0,1,1) ...................................
Histogram kenormalan sisaan impor untuk model ARIMA (0,1,2) ...................................
Histogram kenormalan sisaan impor untuk model ARIMA (1,1,0) ...................................
Histogram kenormalan sisaan impor untuk model ARIMA (2,1,0) ...................................
Plot ACF dan PACF data awal harga ..................................................................................
Plot ACF dan PACF data awal logaritma harga .................................................................
20
20
20
20
21
21
21
21
22
22
22
23
23
23
24
24
24
24
25
25
25
25
26
26
26
27
27
27
28
28
28
28
29
29
29
30
30
30
31
31
31
31
32
32
32
32
33
33
33
33
34
34
35
35
55 Plot ACF dan PACF logaritma harga setelah 1 kali differencing .......................................
56 Kandidat model ARIMA harga ...........................................................................................
57 Plot autokorelasi sisaan harga untuk model ARIMA (0,1,1) ..............................................
58 Plot autokorelasi sisaan harga untuk model ARIMA (1,1,0) .............................................
59 Plot autokorelasi sisaan harga untuk model ARIMA (2,1,0) ..............................................
60 Plot data awal logaritma harga ............................................................................................
61 Plot logaritma harga setelah 1 kali differencing ..................................................................
62 Histogram kenormalan sisaan harga untuk model ARIMA (0,1,1) ....................................
63 Histogram kenormalan sisaan harga untuk model ARIMA (1,1,0) ....................................
64 Histogram kenormalan sisaan harga untuk model ARIMA (2,1,0) ....................................
65 Hasil pendugaan model VAR ordo 1...................................................................................
66 Hasil pendugaan model VECM ordo 1 dengan rank kointegrasi 4 ....................................
67 Uji portmanteau kebaikan model VECM ............................................................................
68(a) Dekomposisi ragam produksi ..............................................................................................
68(b) Dekomposisi ragam konsumsi.............................................................................................
68(c) Dekomposisi ragam ekspor..................................................................................................
68(d) Dekomposisi ragam impor ..................................................................................................
68(e) Dekomposisi ragam harga ...................................................................................................
69(a) Respon impuls produksi ......................................................................................................
69(b) Respon impuls konsumsi .....................................................................................................
69(c) Respon impuls ekspor ..........................................................................................................
69(d) Respon impuls impor ...........................................................................................................
69(e) Respon impuls harga ............................................................................................................
70 Grafik fungsi respons impuls ...............................................................................................
71(a) Hasil peramalan VECM dan ARIMA periode Januari – September 2006 .........................
71(b) Hasil peramalan VECM dan ARIMA periode Oktober 2006 – Desember 2007 ...............
35
35
36
36
36
36
37
37
37
38
38
39
40
40
41
41
41
42
42
42
43
43
43
44
45
46
LAMPIRAN
Lampiran 1 Plot ACF dan PACF data awal
produksi
Lampiran 2 Plot ACF dan PACF data awal
logaritma produksi
Lampiran 3 Plot ACF dan PACF logaritma
produksi setelah 1 kali
differencing
Lampiran 4 Kandidat model ARIMA
produksi
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(0,1,3)
5
(1,1,0)
6
(3,1,0)
7
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
MA(1)
MA(2)
MA(3)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0251
0.0000
0.0660
0.1320
0.0000
0.0023
0.2237
0.0000
0.0261
0.8070
0.2261
0.0000
0.2731
0.0000
0.1208
0.7845
0.0869
0.6684
0.0288
0.0000
0.0000
AIC
-5.4143
-5.4473
-5.4629
-5.4338
-5.4287
-5.4311
-5.5436
20
Lampiran 5 Plot autokorelasi sisaan produksi
untuk model ARIMA (0,1,1)
Lampiran 6 Plot autokorelasi sisaan produksi
untuk model ARIMA (0,1,2)
Lampiran 7 Plot autokorelasi sisaan produksi
untuk model ARIMA (1,1,0)
Lampiran 8 Plot data awal logaritma produksi
7.68
7.64
7.60
7.56
7.52
7.48
7.44
2000
2001
2002
2003
2004
2005
PRODUKSILOG
Periode
21
Lampiran 9 Plot logaritma produksi setelah 1
kali differencing
.06
.04
.02
.00
-.02
-.04
-.06
2000
2001
2002
2003
2004
2005
PRODUKSI_
Periode
Lampiran 10 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,1)
20
Series: Residuals
Sample 2000:02 2005:12
Observations 71
16
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
12
8
4
Jarque-Bera
Probability
0
-0.04
-0.02
0.00
-1.22E-05
0.004488
0.029830
-0.048049
0.015810
-0.894692
3.977813
12.30079
0.002133
0.02
Lampiran 11 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,2)
12
Series: Residuals
Sample 2000:02 2005:12
Observations 71
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-0.002645
-0.001627
0.094280
-0.117161
0.039567
-0.230644
3.406454
1.118222
0.571717
0.10
22
Lampiran 12 Histogram kenormalan sisaan produksi untuk model ARIMA (1,1,0)
8
Series: Residuals
Sample 2000:03 2005:12
Observations 70
7
6
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
5
4
3
2
1
0
-0.050
Jarque-Bera
Probability
-0.025
0.000
Lampiran 13 Plot ACF dan PACF data awal
konsumsi
-1.31E-16
0.003208
0.023964
-0.048979
0.015691
-1.188953
4.512965
23.16855
0.000009
0.025
Lampiran 14 Plot ACF dan PACF data awal
logaritma konsumsi
23
Lampiran 15 Plot ACF dan PACF logaritma
konsumsi setelah 1 kali
differencing
Lampiran 17 Plot autokorelasi sisaan
konsumsi untuk model ARIMA
(0,1,1)
Lampiran 16 Kandidat model ARIMA
konsumsi
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(1,1,0)
5
(3,1,0)
6
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0101
0.0007
0.0042
0.6183
0.0000
0.0679
0.0139
0.0059
0.8191
0.0007
0.0014
0.2327
0.6522
0.0000
0.0011
0.0000
0.7736
AIC
-3.5260
-3.3973
-3.5468
-3.2985
-3.3979
-3.3962
Lampiran 18 Plot autokorelasi sisaan
konsumsi utuk model ARIMA
(2,1,0)
24
Lampiran 19 Plot autokorelasi sisaan
konsumsi utuk model ARIMA
(1,1,0)
Lampiran 20 Plot autokorelasi sisaan
konsumsi utuk model ARIMA
(2,1,1)
Lampiran 22 Plot logaritma konsumsi setelah
1 kali differencing
Lampiran 21 Plot data awal logaritma
konsumsi
.10
7.45
.05
7.40
7.35
.00
7.30
-.05
7.25
-.10
7.20
-.15
7.15
2000
2001
2002
2003
KONSUMSILOG
Periode
2004
2005
2000
2001
2002
2003
2004
2005
KONSUMSI_
Periode
25
Lampiran 23 Histogram kenormalan sisaan konsumsi untuk model ARIMA (0,1,1)
9
Series: Residuals
Sample 2000:02 2005:12
Observations 71
8
7
6
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
5
4
3
2
Jarque-Bera
Probability
1
0
-0.10
-0.05
0.00
0.05
-0.000955
0.002471
0.098024
-0.115473
0.040627
-0.332045
3.366988
1.703101
0.426753
0.10
Lampiran 24 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,0)
12
Series: Residuals
Sample 2000:04 2005:12
Observations 69
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
0.05
3.37E-16
0.008193
0.100141
-0.140393
0.042690
-0.558496
3.994916
6.432894
0.040097
0.10
Lampiran 25 Histogram kenormalan sisaan konsumsi untuk model ARIMA (1,1,0)
10
Series: Residuals
Sample 2000:03 2005:12
Observations 70
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
7.46E-17
0.002438
0.075385
-0.141690
0.045523
-0.716448
3.911267
8.410492
0.014917
0.05
26
Lampiran 26 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,1)
10
Series: Residuals
Sample 2000:04 2005:12
Observations 69
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
-6.44E-05
0.000228
0.083816
-0.142245
0.042101
-0.928256
4.758686
18.80139
0.000083
0.05
Lampiran 27 Plot ACF dan PACF data awal
ekspor
Lampiran 28 Plot ACF dan PACF data awal
logaritma ekspor
27
Lampiran 29 Plot ACF dan PACF logaritma
ekspor setelah 1 kali differencing
Lampiran 31 Plot autokorelasi sisaan ekspor
untuk model ARIMA (0,1,1)
Lampiran 30 Kandidat model ARIMA
ekspor
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(1,1,0)
5
(3,1,0)
6
(2,1,0)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0082
0.0000
0.0250
0.7800
0.0000
0.1920
0.0228
0.0000
0.8234
0.0000
0.0042
0.0671
0.7214
0.5013
0.3328
0.0000
0.0061
AIC
-1.4035
-0.9302
-1.3667
-0.8976
-0.9383
-1.1104
Lampiran 32 Plot autokorelasi sisaan ekspor
untuk model ARIMA (1,1,0)
28
Lampiran 33 Plot autokorelasi sisaan ekspor
untuk model ARIMA (2,1,0)
Lampiran 34 Plot data awal logaritma ekspor
7.6
7.4
7.2
7.0
6.8
6.6
6.4
6.2
2000
2001
2002
2003
2004
2005
EKSPORLOG
Periode
Lampiran 35 Plot logaritma ekspor setelah 1
kali differencing
1.0
0.5
0.0
-0.5
-1.0
2000
2001
2002
2003
2004
2005
Periode
EKSPOR_
29
Lampiran 36 Histogram kenormalan sisaan ekspor untuk model ARIMA (0,1,1)
30
Series: Residuals
Sample 2000:02 2005:12
Observations 71
25
20
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
15
10
5
Jarque-Bera
Probability
0
-0.8
-0.6
-0.4
-0.2
0.0
-0.004128
0.010950
0.166275
-0.852477
0.117371
-5.342430
39.77934
4339.537
0.000000
0.2
Lampiran 37 Histogram kenormalan sisaan ekspor untuk model ARIMA (1,1,0)
24
Series: Residuals
Sample 2000:03 2005:12
Observations 70
20
16
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
12
8
4
Jarque-Bera
Probability
0
-0.75
-0.50
-0.25
0.00
0.25
-1.84E-10
-0.004420
0.522922
-0.878712
0.151209
-1.923268
20.05314
891.3493
0.000000
0.50
Lampiran 38 Histogram kenormalan sisaan ekspor untuk model ARIMA (2,1,0)
24
Series: Residuals
Sample 2000:04 2005:12
Observations 69
20
16
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
12
8
4
Jarque-Bera
Probability
0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
-5.64E-15
-0.006228
0.401781
-0.896845
0.146576
-2.858206
22.46330
1183.055
0.000000
0.4
30
Lampiran 39 Plot ACF dan PACF data awal
impor
Lampiran 40 Plot ACF dan PACF data awal
logaritma impor
Lampiran 41 Plot ACF dan PACF logaritma
impor setelah 1 kali differencing
Lampiran 42 Kandidat model ARIMA
impor
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(0,1,3)
5
(1,1,0)
6
(3,1,0)
7
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
MA(1)
MA(2)
MA(3)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.6472
0.0000
0.0352
0.9015
0.0000
0.0335
0.8008
0.0000
0.0123
0.0874
0.6514
0.0000
0.7705
0.0000
0.1732
0.6688
0.9104
0.0115
0.1354
0.7085
0.8828
AIC
-1.7309
-1.8564
-1.7612
-1.7634
-1.7695
-1.8141
-1.8295
31
Lampiran 43 Plot autokorelasi sisaan impor
untuk model ARIMA (0,1,1)
Lampiran 44 Plot autokorelasi sisaan impor
untuk model ARIMA (0,1,2)
Lampiran 45 Plot autokorelasi sisaan impor
untuk model ARIMA (1,1,0)
Lampiran 46 Plot autokorelasi sisaan impor
untuk model ARIMA (2,1,0)
32
Lampiran 47 Plot data awal logaritma impor
Lampiran 48 Plot logaritma impor setelah 1
kali differencing
.4
7.3
7.2
.3
7.1
.2
7.0
.1
6.9
.0
6.8
-.1
6.7
-.2
6.6
-.3
6.5
2000
2001
2002
2003
2004
2000
2005
2001
2002
2003
2004
2005
IMPOR_
Periode
IMPORLOG
Periode
Lampiran 49 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,1)
12
Series: Residuals
Sample 2000:02 2005:12
Observations 71
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
-0.001224
0.010912
0.218346
-0.231677
0.099703
-0.150137
2.698691
0.535315
0.765170
0.2
Lampiran 50 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,2)
12
Series: Residuals
Sample 2000:02 2005:12
Observations 71
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
-0.001330
0.001358
0.197550
-0.252793
0.096828
-0.124133
2.681284
0.482847
0.785509
0.2
33
Lampiran 51 Histogram kenormalan sisaan impor untuk model ARIMA (1,1,0)
10
Series: Residuals
Sample 2000:03 2005:12
Observations 70
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
-1.12E-15
-0.000227
0.195014
-0.249194
0.097776
-0.048694
2.555727
0.603351
0.739578
0.2
Lampiran 52 Histogram kenormalan sisaan impor untuk model ARIMA (2,1,0)
10
Series: Residuals
Sample 2000:04 2005:12
Observations 69
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
2.87E-14
-0.004502
0.190808
-0.249594
0.092243
-0.167225
2.727977
0.534327
0.765548
0.2
34
Lampiran 53 Plot ACF dan PACF data awal
harga
Lampiran 54 Plot ACF dan PACF data awal
logaritma harga
Lampiran 55 Plot ACF dan PACF logaritma
harga setelah 1 kali differencing
Lampiran 56 Kandidat model ARIMA
harga
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(1,1,0)
5
(3,1,0)
6
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0777
0.0000
0.0004
0.8957
0.0000
0.9537
0.0845
0.0000
0.9932
0.0000
0.0005
0.1095
0.8961
0.3239
0.2681
0.0000
0.2364
AIC
-3.4553
-3.1001
-3.4252
-2.9088
-3.1549
-3.4586
35
Lampiran 57 Plot autokorelasi sisaan harga
untuk model ARIMA (0,1,1)
Lampiran 58 Plot autokorelasi sisaan harga
untuk model ARIMA (1,1,0)
Lampiran 59 Plot autokorelasi sisaan harga
untuk model ARIMA (2,1,0)
Lampiran 60 Plot data awal logaritma harga
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
2000
2001
2002
2003
2004
2005
HARGALOG
Periode
36
Lampiran 61 Plot logaritma harga setelah 1
kali differencing
.12
.08
.04
.00
-.04
-.08
-.12
2000
2001
2002
2003
2004
2005
HARGA_
Periode
Lampiran 62 Histogram kenormalan sisaan harga untuk model ARIMA (0,1,1)
10
Series: Residuals
Sample 2000:03 2005:12
Observations 70
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
-0.003290
0.004098
0.088859
-0.114566
0.041958
-0.489320
3.059507
2.803725
0.246138
0.05
Lampiran 63 Histogram kenormalan sisaan harga untuk model ARIMA (1,1,0)
8
Series: Residuals
Sample 2000:04 2005:12
Observations 69
7
6
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
5
4
3
2
1
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-9.57E-14
0.003096
0.133102
-0.114395
0.055298
0.014234
2.462007
0.834461
0.658869
0.10
37
Lampiran 64 Histogram kenormalan sisaan harga untuk model ARIMA (2,1,0)
10
Series: Residuals
Sample 2000:05 2005:12
Observations 68
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-1.44E-14
0.013136
0.094351
-0.133525
0.049505
-0.514012
2.680909
3.282854
0.193703
0.10
Lampiran 65 Hasil pendugaan model VAR ordo 1
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
PRODUKSI_(-1)
-0.549897
(0.10509)
[-5.23246]
0.321234
(0.29680)
[ 1.08232]
1.797334
(0.96337)
[ 1.86568]
-0.673194
(0.64711)
[-1.04030]
-0.006247
(0.27773)
[-0.02249]
KONSUMSI_(-1)
-0.024058
(0.04316)
[-0.55748]
-0.332648
(0.12188)
[-2.72936]
-0.356863
(0.39559)
[-0.90209]
0.024150
(0.26573)
[ 0.09088]
-0.015425
(0.11405)
[-0.13526]
EKSPOR_(-1)
0.001049
(0.01179)
[ 0.08903]
-0.016832
(0.03329)
[-0.50562]
-0.488259
(0.10805)
[-4.51870]
0.102484
(0.07258)
[ 1.41199]
0.041339
(0.03115)
[ 1.32706]
IMPOR_(-1)
-0.010047
(0.01557)
[-0.64543]
-0.094806
(0.04396)
[-2.15657]
-0.194241
(0.14269)
[-1.36127]
-0.602841
(0.09585)
[-6.28950]
-0.059213
(0.04114)
[-1.43942]
HARGA_(-1)
-0.055275
(0.04701)
[-1.17575]
0.066448
(0.13277)
[ 0.50046]
-0.876982
(0.43096)
[-2.03495]
0.062046
(0.28948)
[ 0.21433]
-0.045838
(0.12424)
[-0.36894]
C
-0.001818
(0.00193)
[-0.93981]
-0.001185
(0.00546)
[-0.21686]
0.002246
(0.01773)
[ 0.12666]
0.002489
(0.01191)
[ 0.20901]
0.004684
(0.00511)
[ 0.91633]
38
Lampiran 66 Hasil pendugaan model VECM ordo 1 dengan rank kointegrasi 4
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
CointEq4
PRODUKSI_(-1)
1.000000
0.000000
0.000000
0.000000
KONSUMSI_(-1)
0.000000
1.000000
0.000000
0.000000
EKSPOR_(-1)
0.000000
0.000000
1.000000
0.000000
IMPOR_(-1)
0.000000
0.000000
0.000000
1.000000
HARGA_(-1)
-0.059328
(0.03637)
[-1.63105]
-0.066471
(0.11496)
[-0.57823]
0.193134
(0.31839)
[ 0.60661]
-0.030326
(0.20891)
[-0.14516]
C
0.001762
(0.00103)
[ 1.71719]
0.001629
(0.00324)
[ 0.50252]
0.001412
(0.00898)
[ 0.15725]
-0.000667
(0.00589)
[-0.11327]
Error Correction:
D(PRODUKSI_) D(KONSUMSI_) D(EKSPOR_)
D(IMPOR_)
D(HARGA_)
CointEq1
-1.812166
(0.23688)
[-7.65017]
1.408701
(0.60968)
[ 2.31056]
5.326551
(2.03857)
[ 2.61288]
0.153011
(1.36540)
[ 0.11206]
0.650557
(0.79235)
[ 0.82105]
CointEq2
-0.033288
(0.07792)
[-0.42719]
-1.899189
(0.20056)
[-9.46929]
-1.462421
(0.67062)
[-2.18071]
-0.316468
(0.44917)
[-0.70456]
-0.001415
(0.26066)
[-0.00543]
CointEq3
0.016478
(0.02428)
[ 0.67878]
-0.034878
(0.06248)
[-0.55820]
-1.836063
(0.20892)
[-8.78825]
0.217108
(0.13993)
[ 1.55152]
0.187240
(0.08120)
[ 2.30580]
CointEq4
-0.046199
(0.03853)
[-1.19900]
-0.132865
(0.09917)
[-1.33974]
-0.575062
(0.33160)
[-1.73421]
-2.012295
(0.22210)
[-9.06031]
-0.089676
(0.12889)
[-0.69578]
D(PRODUKSI_(-1))
0.199584
(0.13592)
[ 1.46838]
-0.756077
(0.34983)
[-2.16125]
-2.371941
(1.16973)
[-2.02777]
-0.457612
(0.78347)
[-0.58408]
-0.239889
(0.45465)
[-0.52763]
D(KONSUMSI_(-1))
0.001618
(0.04670)
[ 0.03463]
0.412550
(0.12021)
[ 3.43195]
0.670276
(0.40194)
[ 1.66761]
0.168489
(0.26921)
[ 0.62586]
-0.046314
(0.15623)
[-0.29646]
D(EKSPOR_(-1))
-0.005471
(0.01407)
[-0.38878]
-0.003293
(0.03622)
[-0.09091]
0.197403
(0.12110)
[ 1.63003]
-0.092421
(0.08111)
[-1.13941]
-0.072258
(0.04707)
[-1.53510]
D(IMPOR_(-1))
0.019191
(0.02163)
[ 0.88722]
0.044141
(0.05567)
[ 0.79285]
0.288039
(0.18615)
[ 1.54731]
0.283164
(0.12468)
[ 2.27106]
-0.008647
(0.07235)
[-0.11951]
D(HARGA_(-1))
-0.108166
(0.03501)
[-3.08953]
-0.018741
(0.09011)
[-0.20798]
-0.033863
(0.30130)
[-0.11239]
-0.267850
(0.20181)
[-1.32727]
-0.491959
(0.11711)
[-4.20086]
39
Lampiran 67 Uji portmanteau kebaikan model VECM
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
10.48017
25.78136
43.90667
67.52144
84.79412
110.5545
130.2028
150.3694
169.1333
183.3981
204.6362
228.4523
254.3668
264.8145
277.6576
302.3469
319.5983
338.9489
359.0429
370.1041
388.3635
410.8015
428.2821
467.3264
486.4098
507.6093
524.6771
535.7393
553.2086
573.9137
NA*
0.4193
0.7152
0.7181
0.8616
0.8183
0.8767
0.9112
0.9449
0.9805
0.9837
0.9813
0.9738
0.9938
0.9983
0.9976
0.9988
0.9992
0.9994
0.9999
0.9999
0.9999
1.0000
0.9996
0.9998
0.9998
0.9999
1.0000
1.0000
1.0000
10.63429
26.39223
45.34142
70.40940
89.03151
117.2453
139.1119
161.9233
183.5018
200.1844
225.4504
254.2804
286.2107
299.3178
315.7285
347.8712
370.7624
396.9428
424.6724
440.2483
466.4963
499.4371
525.6581
585.5260
615.4522
649.4701
677.5100
696.1268
726.2614
762.8935
NA*
0.3869
0.6605
0.6285
0.7759
0.6767
0.7277
0.7522
0.7925
0.8818
0.8656
0.8101
0.7069
0.8435
0.9057
0.8392
0.8500
0.8318
0.7991
0.8717
0.8561
0.7827
0.7657
0.3714
0.3222
0.2413
0.2204
0.2785
0.2385
0.1597
NA*
25
50
75
100
125
150
175
200
225
250
275
300
325
350
375
400
425
450
475
500
525
550
575
600
625
650
675
700
725
*The test is valid only for lags larger than the VAR lag order.
df is degrees of freedom for (approximate) chi-square distribution
Lampiran 68(a) Dekomposisi ragam produksi
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.016284
0.019346
0.020760
0.020871
0.021177
0.021247
0.021410
0.021517
0.021654
0.021758
0.021889
0.022000
100.0000
97.87142
90.25007
89.29544
86.90598
86.49653
85.29263
84.63315
83.73386
83.02725
82.23455
81.53390
0.000000
0.046717
0.071124
0.080021
0.239332
0.247066
0.250885
0.272953
0.311696
0.316466
0.337559
0.358345
0.000000
0.549674
0.727591
1.496405
1.478463
1.499717
1.644547
1.669861
1.751835
1.806449
1.858976
1.921918
0.000000
1.504798
2.041358
2.194783
2.133112
2.172276
2.161056
2.194228
2.166590
2.152685
2.131903
2.115040
0.000000
0.027392
6.909855
6.933350
9.243109
9.584411
10.65088
11.22981
12.03602
12.69715
13.43701
14.07080
40
Lampiran 68(b) Dekomposisi ragam konsumsi
Period
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
1
2
3
4
5
6
7
8
0.041912
0.046680
0.048218
0.049593
0.050691
0.050929
0.051102
0.051239
10.87877
10.03739
9.730220
10.17879
12.91770
12.99288
12.91291
13.19992
89.12123
85.64512
82.80714
82.57127
79.39469
79.02767
78.66392
78.25367
0.000000
1.474638
3.280370
3.128968
3.040691
3.320619
3.299035
3.285633
0.000000
2.786692
3.718615
3.517507
3.635033
3.650920
3.626356
3.637189
0.000000
0.056160
0.463654
0.603467
1.011884
1.007906
1.497781
1.623587
9
10
11
12
0.051312
0.051375
0.051449
0.051507
13.16412
13.14430
13.18192
13.17311
78.08969
77.89924
77.67849
77.51445
3.338447
3.336657
3.342605
3.358580
3.631752
3.627631
3.618073
3.610564
1.775995
1.992171
2.178912
2.343304
Lampiran 68(c) Dekomposisi ragam ekspor
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.140139
0.177773
0.182738
0.184727
0.187521
0.189001
0.189351
0.189612
0.189868
0.190027
0.190159
0.190320
0.026164
3.784685
6.268048
6.615418
8.215844
9.213459
9.195325
9.212623
9.315714
9.320079
9.311862
9.329947
0.621948
2.379308
2.299871
3.509809
3.864450
3.811744
4.024877
4.025125
4.015782
4.036528
4.031844
4.025878
99.35189
88.46268
85.55435
83.77199
81.39701
80.17087
79.98895
79.77200
79.55835
79.45412
79.35140
79.22564
0.000000
2.381283
2.848196
2.990427
3.328662
3.406936
3.395054
3.394615
3.399851
3.394485
3.390989
3.386007
0.000000
2.992049
3.029533
3.112353
3.194033
3.396993
3.395792
3.595638
3.710305
3.794793
3.913904
4.032533
Lampiran 68(d) Dekomposisi ragam impor
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.093863
0.116701
0.121860
0.123748
0.124547
0.124722
0.124858
0.124887
0.124916
0.124922
0.124937
0.124940
1.455509
0.948037
2.749334
4.787800
5.369341
5.354561
5.383780
5.400391
5.408444
5.413814
5.421617
5.421855
9.153839
8.187324
8.619003
8.679157
8.568159
8.609316
8.596525
8.598793
8.609644
8.609228
8.607149
8.607415
0.217327
1.550129
2.299450
2.292763
2.280128
2.283934
2.296344
2.299732
2.304421
2.304603
2.304130
2.305259
89.17333
88.84772
84.99352
82.45000
81.40184
81.18330
81.03167
81.01050
80.97587
80.96861
80.94904
80.94512
0.000000
0.466788
1.338689
1.790278
2.380531
2.568888
2.691677
2.690586
2.701625
2.703742
2.718066
2.720349
41
Lampiran 68(e) Dekomposisi ragam harga
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.054469
0.064674
0.076966
0.084941
0.093983
0.100972
0.108376
0.114661
0.121034
0.126864
0.132541
0.137931
5.234296
7.888807
10.34320
10.61168
10.93165
11.34829
11.68016
11.75833
11.96564
12.09479
12.18447
12.27712
2.573515
1.948460
2.208441
2.204077
2.098491
2.043805
2.084494
2.052682
2.029855
2.030771
2.021680
2.011381
0.198543
6.940897
6.217245
6.374239
6.569523
6.625383
6.700646
6.766817
6.787721
6.834098
6.861070
6.883383
0.384496
1.443510
1.058178
1.415831
1.157098
1.139833
1.028335
0.966991
0.907609
0.867659
0.826920
0.797644
91.60915
81.77833
80.17294
79.39417
79.24324
78.84269
78.50637
78.45518
78.30918
78.17268
78.10586
78.03047
Lampiran 69(a) Respon impuls produksi
Period
1
2
3
4
5
6
7
8
9
10
11
12
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.016284
-0.010056
0.004760
0.00012
AGUS WAHYULI. Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi,
Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi. Di bawah bimbingan I MADE SUMERTAJAYA
dan SUTIJASTOTO.
Permintaan akan konsumsi minyak bumi yang terus meningkat sejalan dengan laju pertumbuhan
ekonomi dan pertambahan penduduk tanpa diimbangi dengan peningkatan kapasitas produksi kilang
minyak Indonesia, menimbulkan masalah bagi para pengambil kebijakan disisi pemerintah. Data tentang
minyak bumi yang up to date beserta beberapa metode peramalan menjadi kebutuhan utama bagi
pemerintah.
Metode peramalan untuk data deret waktu produksi, konsumsi, ekspor, impor, dan harga minyak
bumi dapat dilakukan dengan teknik peramalan model deret waktu tunggal dan dapat juga dilakukan
secara bersamaan (simultan). VAR (Vector Autoregressive) merupakan model peramalan multivariate
yang digunakan untuk menyusun sistem peramalan dari data deret waktu yang saling terkait dan untuk
menganalisis efek dinamis dari keberadaan faktor acak yang mengganggu sistem tersebut.
Adanya hubungan keterkaitan dan pengaruh timbal balik antara produksi, konsumsi, ekspor, impor,
dan harga minyak bumi menyebabkan analisis model VAR layak untuk digunakan. Kelima peubah
tersebut bersifat stasioner baik dalam ragam maupun dalam rataan setelah dilakukan transformasi
logaritma dan pembedaan satu kali untuk semua peubah. Berdasarkan perhitungan nilai AIC, diperoleh
ordo yang signifikan untuk model VAR adalah satu (p=1). Dengan menggunakan uji johansen didapatkan
rank kointegrasi sebesar empat, yang berarti model VAR standar tidak bisa langsung digunakan. Model
yang bisa merepresentasikan adanya kointegrasi adalah model VECM (Vector Error Correction Model).
Karena didapatkan ordo satu dan rank kointegrasi empat untuk model, maka model lengkapnya adalah
model VECM ordo satu dengan rank kointegrasi empat. Berdasarkan nilai MAPE untuk model VECM
dan ARIMA untuk semua peubah, didapatkan hasil bahwa peramalan produksi, impor, dan harga untuk
model VECM lebih akurat bila dibandingkan dengan model ARIMA (peramalan individual). Hal ini
terjadi karena nilai MAPE VECM untuk ketiga peubah tersebut lebih kecil dibandingkan nilai MAPE
ARIMA. Akan tetapi untuk kasus konsumsi dan ekspor minyak bumi berlaku hal sebaliknya, dalam arti
model ARIMA lebih akurat dibandingkan model VECM.
RIWAYAT HIDUP
ANALISIS VAR (VECTOR AUTOREGRESSIVE)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
Judul
:
Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan
Produksi, Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi
Nama
:
Agus Wahyuli
NRP
:
G14103035
Menyetujui :
Pembimbing I,
Pembimbing II,
Dr. Ir. I Made Sumertajaya, M.Si
NIP. 132 085 916
Ir. Sutijastoto, M.A
NIP. 100 009 381
Mengetahui,
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS
NIP. 131 473 999
Tanggal Lulus :
ANALISIS VAR (VECTOR AUTOREGRESSIVE)
UNTUK MEKANISME PEMODELAN PRODUKSI, KONSUMSI,
EKSPOR, IMPOR, DAN HARGA MINYAK BUMI
AGUS WAHYULI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains pada
Departemen Statistika
DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
ABSTRAK
AGUS WAHYULI. Analisis VAR (Vector Autoregressive) untuk Mekanisme Pemodelan Produksi,
Konsumsi, Ekspor, Impor, dan Harga Minyak Bumi. Di bawah bimbingan I MADE SUMERTAJAYA
dan SUTIJASTOTO.
Permintaan akan konsumsi minyak bumi yang terus meningkat sejalan dengan laju pertumbuhan
ekonomi dan pertambahan penduduk tanpa diimbangi dengan peningkatan kapasitas produksi kilang
minyak Indonesia, menimbulkan masalah bagi para pengambil kebijakan disisi pemerintah. Data tentang
minyak bumi yang up to date beserta beberapa metode peramalan menjadi kebutuhan utama bagi
pemerintah.
Metode peramalan untuk data deret waktu produksi, konsumsi, ekspor, impor, dan harga minyak
bumi dapat dilakukan dengan teknik peramalan model deret waktu tunggal dan dapat juga dilakukan
secara bersamaan (simultan). VAR (Vector Autoregressive) merupakan model peramalan multivariate
yang digunakan untuk menyusun sistem peramalan dari data deret waktu yang saling terkait dan untuk
menganalisis efek dinamis dari keberadaan faktor acak yang mengganggu sistem tersebut.
Adanya hubungan keterkaitan dan pengaruh timbal balik antara produksi, konsumsi, ekspor, impor,
dan harga minyak bumi menyebabkan analisis model VAR layak untuk digunakan. Kelima peubah
tersebut bersifat stasioner baik dalam ragam maupun dalam rataan setelah dilakukan transformasi
logaritma dan pembedaan satu kali untuk semua peubah. Berdasarkan perhitungan nilai AIC, diperoleh
ordo yang signifikan untuk model VAR adalah satu (p=1). Dengan menggunakan uji johansen didapatkan
rank kointegrasi sebesar empat, yang berarti model VAR standar tidak bisa langsung digunakan. Model
yang bisa merepresentasikan adanya kointegrasi adalah model VECM (Vector Error Correction Model).
Karena didapatkan ordo satu dan rank kointegrasi empat untuk model, maka model lengkapnya adalah
model VECM ordo satu dengan rank kointegrasi empat. Berdasarkan nilai MAPE untuk model VECM
dan ARIMA untuk semua peubah, didapatkan hasil bahwa peramalan produksi, impor, dan harga untuk
model VECM lebih akurat bila dibandingkan dengan model ARIMA (peramalan individual). Hal ini
terjadi karena nilai MAPE VECM untuk ketiga peubah tersebut lebih kecil dibandingkan nilai MAPE
ARIMA. Akan tetapi untuk kasus konsumsi dan ekspor minyak bumi berlaku hal sebaliknya, dalam arti
model ARIMA lebih akurat dibandingkan model VECM.
RIWAYAT HIDUP
Agus Wahyuli, dilahirkan di Rembang pada tanggal 30 Juli 1985 sebagai anak pertama dari satu
orang saudara kandung, putera dari pasangan Bapak Listari Widodo dan Ibu Rasmi.
Pendidikan formal penulis dari SD sampai dengan SMU diselesaikan di Rembang. Pada tahun 1997
penulis menamatkan pendidikan SD di SDN 1 Seren, kemudian melanjutkan studi ke SLTPN 2 Sulang
dan lulus tahun 2000. Tahun 2003 penulis menamatkan pendidikan di SMUN 1 Rembang, dan pada tahun
yang sama lulus seleksi masuk IPB melalui jalur USMI (Undangan Seleksi Masuk IPB) pada Departemen
Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama menjadi mahasiswa di IPB, penulis aktif dalam kegiatan BEM TPB IPB 2003 (Badan
Eksekutif Mahasiswa Tingkat Persiapan Bersama) sebagai staff pada Departemen Sosial Politik dan
Keorganisasian periode 2003/2004. Penulis juga aktif dalam kegiatan HIMPRO GSB (Gamma Sigma
Beta) sebagai ketua Departemen Kajian Strategis dan Sekretaris Umum tahun 2004 sampai 2005. Pada
bulan Februari sampai April 2007 penulis melaksanakan praktik lapang di PT. Capricorn MARS
Indotama.
PRAKATA
Alhamdulillahi rabbil’alamin. Puji Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT
atas limpahan rahmat karunia-Nya sehingga penulis dapat menyelesaikan penulisan karya ilmiah ini. Dan
tidak lupa, shalawat serta salam semoga tercurahkan kepada Rasulullah Muhammad SAW, kepada
keluarganya, sahabatnya dan pengikut-pengikutnya yang senantiasa berjuang di jalan ALLAH. Tema
yang dipilih dalam penelitian ini adalah analisis VAR (Vector Autoregressive) untuk mekanisme
pemodelan produksi, konsumsi, ekspor, impor, dan harga minyak bumi.
Banyak ilmu dan pelajaran yang penulis dapatkan dan rasakan dalam penyusunan karya ilmiah ini,
sehingga pada kesempatan ini penulis menyampaikan banyak terima kasih kepada semua pihak yang telah
membantu. Ucapan terima kasih ini diantaranya ditujukan kepada :
1. Bapak Dr. Ir. I Made Sumertajaya, M.Si selaku pembimbing I atas segala bimbingan, waktu,
kesabaran dan masukan-masukannya selama menyelesaikan karya ilmiah ini.
2. Bapak Ir. Sutijastoto, M.A dari Pusdatin Departemen Energi Sumber Daya Mineral (DESDM)
selaku pembimbing II atas segala bimbingan, data, waktu, dan saran-sarannya selama
menyelesaikan karya ilmiah ini.
3. Seluruh dosen Departemen Statistika atas segala ilmu yang bermanfaat.
4. Teristimewa kupersembahkan karya kecil ini untuk kedua orang tuaku yang selalu memberikan
semangat, kasih sayang yang tiada henti, doa yang tiada putus, dan pengertian kepada ananda.
5. Arie Dwi, terima kasih banyak untuk semuanya hingga penulis sampai pada tahap ini. Terima
kasih untuk doanya, dukungan yang selalu diberikan tiap hari, motivasi dan semangat yang
selalu penulis butuhkan, dan waktu yang sangat berharga bagi penulis.
6. Mbak Nia dan Mas Nunung dari Pusdatin DESDM atas waktu, tumpangan tempatnya, dan
bantuannya selama ini. Terimakasih juga pada Mbak Etna serta seluruh staff Pusdatin DESDM
yang tidak dapat disebutkan satu per satu.
7. Tagor, terima kasih banyak untuk empat tahun ini. Kau adalah teman yang sangat baik.
8. Lala, Ema, Rara. Terima kasih untuk bantuannya pada waktu penulis seminar. Kalian adalah
seksi konsumsi yang sangat cerdas.
9. Teman-teman STK 40. Terima kasih untuk kebersamaannya selama empat tahun ini. Penulis
tidak akan melupakan saat-saat bersama kalian. Semoga kesuksesan selalu bersama kita.
10. Bu Markonah, Bu Sulis, Bu Dedeh, Mang Dur, Pak Iyan, Mang Herman, Pak Heri atas segala
bantuan yang diberikan selama ini.
11. Teman-teman “BATOSAI”. Terima kasih semuanya.
12. Adik-adik kelas STK 41 dan STK 42.
13. Semua pihak yang tidak memungkinkan untuk disebutkan satu per satu.
Semoga semua amal baik, bantuan, dan keikhlasan yang telah diberikan kepada penulis mendapat
balasan dari Allah SWT. Dan semoga karya ilmiah ini bermanfaat.
Bogor, September 2007
Agus wahyuli
DAFTAR ISI
Halaman
DAFTAR TABEL.................................................................................................................................. ix
DAFTAR GAMBAR .............................................................................................................................
ix
DAFTAR LAMPIRAN .........................................................................................................................
x
PENDAHULUAN
Latar belakang ..................................................................................................................................
Tujuan Penelitian .............................................................................................................................
1
1
TINJAUAN PUSTAKA
Minyak Bumi ...................................................................................................................................
Model ARIMA .................................................................................................................................
Kestasioneran Data .....................................................................................................................
Korelasi Diri (Autocorrelation) dan Korelasi Diri Parsial (Partial Autocorrelation) ..............
Identifikasi Model ARIMA........................................................................................................
Pendugaan Parameter Model ARIMA .......................................................................................
Ketepatan Metode Pearamalan...................................................................................................
Vector Autoregressive (VAR)..........................................................................................................
Penentuan Panjang Lag ..............................................................................................................
Statistik Uji Kelayakan Model VAR ........................................................................................
Cholesky Decomposition (Variance Decomposition)................................................................
Impulse Response Function (IRF) .............................................................................................
Vector Error Correction Model (VECM)..................................................................................
Kointegrasi .................................................................................................................................
Model VECM .............................................................................................................................
1
2
2
2
3
3
3
3
4
4
4
4
5
5
5
BAHAN DAN METODE
Bahan Penelitian ..............................................................................................................................
Metode Penelitian ............................................................................................................................
5
6
HASIL DAN PEMBAHASAN
Eksplorasi Data ................................................................................................................................
Proses atau Fase Pembentukan Model.............................................................................................
Model ARIMA ...........................................................................................................................
Produksi ................................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
Konsumsi ..............................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
Ekspor ...................................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
Impor .....................................................................................................................................
1. Pemeriksaan Kestasioneran Data ............................................................................
2. Identifikasi Model ...................................................................................................
3. Overfitting dan Pendugaan Parameter ....................................................................
4. Diagnostik atau Uji Kelayakan Model....................................................................
6
7
7
7
7
8
8
8
9
9
9
9
9
9
10
10
10
10
10
11
11
11
11
Harga ..................................................................................................................................... 11
1. Pemeriksaan Kestasioneran Data ............................................................................ 11
2. Identifikasi Model ................................................................................................... 12
3. Overfitting dan Pendugaan Parameter .................................................................... 12
4. Diagnostik atau Uji Kelayakan Model.................................................................... 12
Model VAR ................................................................................................................................ 12
1. Pemeriksaan Kestasioneran Data ............................................................................ 12
2. Penentuan Panjang Lag atau Ordo VAR ................................................................ 12
3. Uji Kointegrasi ........................................................................................................ 13
4. Pendugaan Model .................................................................................................... 13
5. Uji Kelayakan Model VECM ................................................................................. 14
Interpretasi Model ............................................................................................................................ 14
Model ARIMA ........................................................................................................................... 14
Produksi ................................................................................................................................ 14
Konsumsi .............................................................................................................................. 14
Ekspor ................................................................................................................................... 14
Harga ..................................................................................................................................... 14
Impor ..................................................................................................................................... 14
Model VAR / VECM ................................................................................................................. 14
1. Cholesky Decomposition atau Dekomposisi Ragam .................................................... 14
2. Impulse Response Function (IRF) ................................................................................ 15
Aplikasi atau Penerapan Model VAR dan ARIMA ........................................................................ 15
KESIMPULAN DAN SARAN
Kesimpulan.......................................................................................................................................
Saran ...............................................................................................................................................
18
18
DAFTAR PUSTAKA ............................................................................................................................
18
LAMPIRAN ...........................................................................................................................................
20
DAFTAR TABEL
Halaman
1
2
3
Uji Augmented Dickey Fuller untuk kestasioneran ............................................................ 8
Hasil perhitungan ordo VAR ............................................................................................... 13
Uji johansen kointegrasi ...................................................................................................... 13
DAFTAR GAMBAR
Halaman
1
2
3
4
5
Plot data aktual produksi minyak bumi Indonesia ..............................................................
Plot data aktual konsumsi minyak bumi untuk kebutuhan kilang domestik Indonesia .....
Plot data aktual ekspor minyak bumi Indonesia..................................................................
Plot data aktual impor minyak bumi Indonesia ...................................................................
Plot data aktual harga minyak bumi Internasional ..............................................................
6
6
7
7
7
DAFTAR LAMPIRAN
Halaman
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
Plot ACF dan PACF data awal produksi .............................................................................
Plot ACF dan PACF data awal logaritma produksi ............................................................
Plot ACF dan PACF logaritma produksi setelah 1 kali differencing..................................
Kandidat model ARIMA produksi ......................................................................................
Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,1).........................................
Plot autokorelasi sisaan produksi untuk model ARIMA (0,1,2).........................................
Plot autokorelasi sisaan produksi untuk model ARIMA (1,1,0)........................................
Plot data awal logaritma produksi .......................................................................................
Plot logaritma produksi setelah 1 kali differencing.............................................................
Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,1) ...............................
Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,2) ...............................
Histogram kenormalan sisaan produksi untuk model ARIMA (1,1,0) ...............................
Plot ACF dan PACF data awal konsumsi ...........................................................................
Plot ACF dan PACF data awal logaritma konsumsi ...........................................................
Plot ACF dan PACF logaritma konsumsi setelah 1 kali differencing ................................
Kandidat model ARIMA konsumsi .....................................................................................
Plot autokorelasi sisaan konsumsi untuk model (0,1,1) ......................................................
Plot autokorelasi konsumsi utuk model (2,1,0) ...................................................................
Plot autokorelasi konsumsi utuk model ARIMA (1,1,0) ....................................................
Plot autokorelasi konsumsi utuk model (2,1,1) ...................................................................
Plot data awal logaritma konsumsi ......................................................................................
Plot logaritma konsumsi setelah 1 kali differencing ...........................................................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (0,1,1) .............................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,0) .............................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (1,1,0) .............................
Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,1) .............................
Plot ACF dan PACF data awal Ekspor................................................................................
Plot ACF dan PACF data awal logaritma ekspor................................................................
Plot ACF dan PACF logaritma ekspor setelah 1 kali differencing .....................................
Kandidat model ARIMA Ekspor .........................................................................................
Plot autokorelasi sisaan ekspor untuk model ARIMA (0,1,1) ............................................
Plot autokorelasi sisaan ekspor untuk model ARIMA (1,1,0) ............................................
Plot autokorelasi sisaan ekspor untuk model ARIMA (2,1,0) ............................................
Plot data awal logaritma ekspor...........................................................................................
Plot logaritma ekspor setelah 1 kali differencing ................................................................
Histogram kenormalan sisaan ekspor untuk model ARIMA (0,1,1) ..................................
Histogram kenormalan sisaan ekspor untuk model ARIMA (1,1,0) ..................................
Histogram kenormalan sisaan ekspor untuk model ARIMA (2,1,0) ..................................
Plot ACF dan PACF data awal impor .................................................................................
Plot ACF dan PACF data awal logaritma impor .................................................................
Plot ACF dan PACF logaritma impor setelah 1 kali differencing ......................................
Kandidat model ARIMA impor ...........................................................................................
Plot autokorelasi sisaan impor untuk model ARIMA (0,1,1) .............................................
Plot autokorelasi sisaan impor untuk model ARIMA (0,1,2) .............................................
Plot autokorelasi sisaan impor untuk model ARIMA (1,1,0) ............................................
Plot autokorelasi sisaan impor untuk model ARIMA (2,1,0) .............................................
Plot data awal logaritma impor ............................................................................................
Plot logaritma impor setelah 1 kali differencing .................................................................
Histogram kenormalan sisaan impor untuk model ARIMA (0,1,1) ...................................
Histogram kenormalan sisaan impor untuk model ARIMA (0,1,2) ...................................
Histogram kenormalan sisaan impor untuk model ARIMA (1,1,0) ...................................
Histogram kenormalan sisaan impor untuk model ARIMA (2,1,0) ...................................
Plot ACF dan PACF data awal harga ..................................................................................
Plot ACF dan PACF data awal logaritma harga .................................................................
20
20
20
20
21
21
21
21
22
22
22
23
23
23
24
24
24
24
25
25
25
25
26
26
26
27
27
27
28
28
28
28
29
29
29
30
30
30
31
31
31
31
32
32
32
32
33
33
33
33
34
34
35
35
55 Plot ACF dan PACF logaritma harga setelah 1 kali differencing .......................................
56 Kandidat model ARIMA harga ...........................................................................................
57 Plot autokorelasi sisaan harga untuk model ARIMA (0,1,1) ..............................................
58 Plot autokorelasi sisaan harga untuk model ARIMA (1,1,0) .............................................
59 Plot autokorelasi sisaan harga untuk model ARIMA (2,1,0) ..............................................
60 Plot data awal logaritma harga ............................................................................................
61 Plot logaritma harga setelah 1 kali differencing ..................................................................
62 Histogram kenormalan sisaan harga untuk model ARIMA (0,1,1) ....................................
63 Histogram kenormalan sisaan harga untuk model ARIMA (1,1,0) ....................................
64 Histogram kenormalan sisaan harga untuk model ARIMA (2,1,0) ....................................
65 Hasil pendugaan model VAR ordo 1...................................................................................
66 Hasil pendugaan model VECM ordo 1 dengan rank kointegrasi 4 ....................................
67 Uji portmanteau kebaikan model VECM ............................................................................
68(a) Dekomposisi ragam produksi ..............................................................................................
68(b) Dekomposisi ragam konsumsi.............................................................................................
68(c) Dekomposisi ragam ekspor..................................................................................................
68(d) Dekomposisi ragam impor ..................................................................................................
68(e) Dekomposisi ragam harga ...................................................................................................
69(a) Respon impuls produksi ......................................................................................................
69(b) Respon impuls konsumsi .....................................................................................................
69(c) Respon impuls ekspor ..........................................................................................................
69(d) Respon impuls impor ...........................................................................................................
69(e) Respon impuls harga ............................................................................................................
70 Grafik fungsi respons impuls ...............................................................................................
71(a) Hasil peramalan VECM dan ARIMA periode Januari – September 2006 .........................
71(b) Hasil peramalan VECM dan ARIMA periode Oktober 2006 – Desember 2007 ...............
35
35
36
36
36
36
37
37
37
38
38
39
40
40
41
41
41
42
42
42
43
43
43
44
45
46
LAMPIRAN
Lampiran 1 Plot ACF dan PACF data awal
produksi
Lampiran 2 Plot ACF dan PACF data awal
logaritma produksi
Lampiran 3 Plot ACF dan PACF logaritma
produksi setelah 1 kali
differencing
Lampiran 4 Kandidat model ARIMA
produksi
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(0,1,3)
5
(1,1,0)
6
(3,1,0)
7
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
MA(1)
MA(2)
MA(3)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0251
0.0000
0.0660
0.1320
0.0000
0.0023
0.2237
0.0000
0.0261
0.8070
0.2261
0.0000
0.2731
0.0000
0.1208
0.7845
0.0869
0.6684
0.0288
0.0000
0.0000
AIC
-5.4143
-5.4473
-5.4629
-5.4338
-5.4287
-5.4311
-5.5436
20
Lampiran 5 Plot autokorelasi sisaan produksi
untuk model ARIMA (0,1,1)
Lampiran 6 Plot autokorelasi sisaan produksi
untuk model ARIMA (0,1,2)
Lampiran 7 Plot autokorelasi sisaan produksi
untuk model ARIMA (1,1,0)
Lampiran 8 Plot data awal logaritma produksi
7.68
7.64
7.60
7.56
7.52
7.48
7.44
2000
2001
2002
2003
2004
2005
PRODUKSILOG
Periode
21
Lampiran 9 Plot logaritma produksi setelah 1
kali differencing
.06
.04
.02
.00
-.02
-.04
-.06
2000
2001
2002
2003
2004
2005
PRODUKSI_
Periode
Lampiran 10 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,1)
20
Series: Residuals
Sample 2000:02 2005:12
Observations 71
16
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
12
8
4
Jarque-Bera
Probability
0
-0.04
-0.02
0.00
-1.22E-05
0.004488
0.029830
-0.048049
0.015810
-0.894692
3.977813
12.30079
0.002133
0.02
Lampiran 11 Histogram kenormalan sisaan produksi untuk model ARIMA (0,1,2)
12
Series: Residuals
Sample 2000:02 2005:12
Observations 71
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-0.002645
-0.001627
0.094280
-0.117161
0.039567
-0.230644
3.406454
1.118222
0.571717
0.10
22
Lampiran 12 Histogram kenormalan sisaan produksi untuk model ARIMA (1,1,0)
8
Series: Residuals
Sample 2000:03 2005:12
Observations 70
7
6
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
5
4
3
2
1
0
-0.050
Jarque-Bera
Probability
-0.025
0.000
Lampiran 13 Plot ACF dan PACF data awal
konsumsi
-1.31E-16
0.003208
0.023964
-0.048979
0.015691
-1.188953
4.512965
23.16855
0.000009
0.025
Lampiran 14 Plot ACF dan PACF data awal
logaritma konsumsi
23
Lampiran 15 Plot ACF dan PACF logaritma
konsumsi setelah 1 kali
differencing
Lampiran 17 Plot autokorelasi sisaan
konsumsi untuk model ARIMA
(0,1,1)
Lampiran 16 Kandidat model ARIMA
konsumsi
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(1,1,0)
5
(3,1,0)
6
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0101
0.0007
0.0042
0.6183
0.0000
0.0679
0.0139
0.0059
0.8191
0.0007
0.0014
0.2327
0.6522
0.0000
0.0011
0.0000
0.7736
AIC
-3.5260
-3.3973
-3.5468
-3.2985
-3.3979
-3.3962
Lampiran 18 Plot autokorelasi sisaan
konsumsi utuk model ARIMA
(2,1,0)
24
Lampiran 19 Plot autokorelasi sisaan
konsumsi utuk model ARIMA
(1,1,0)
Lampiran 20 Plot autokorelasi sisaan
konsumsi utuk model ARIMA
(2,1,1)
Lampiran 22 Plot logaritma konsumsi setelah
1 kali differencing
Lampiran 21 Plot data awal logaritma
konsumsi
.10
7.45
.05
7.40
7.35
.00
7.30
-.05
7.25
-.10
7.20
-.15
7.15
2000
2001
2002
2003
KONSUMSILOG
Periode
2004
2005
2000
2001
2002
2003
2004
2005
KONSUMSI_
Periode
25
Lampiran 23 Histogram kenormalan sisaan konsumsi untuk model ARIMA (0,1,1)
9
Series: Residuals
Sample 2000:02 2005:12
Observations 71
8
7
6
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
5
4
3
2
Jarque-Bera
Probability
1
0
-0.10
-0.05
0.00
0.05
-0.000955
0.002471
0.098024
-0.115473
0.040627
-0.332045
3.366988
1.703101
0.426753
0.10
Lampiran 24 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,0)
12
Series: Residuals
Sample 2000:04 2005:12
Observations 69
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
0.05
3.37E-16
0.008193
0.100141
-0.140393
0.042690
-0.558496
3.994916
6.432894
0.040097
0.10
Lampiran 25 Histogram kenormalan sisaan konsumsi untuk model ARIMA (1,1,0)
10
Series: Residuals
Sample 2000:03 2005:12
Observations 70
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
7.46E-17
0.002438
0.075385
-0.141690
0.045523
-0.716448
3.911267
8.410492
0.014917
0.05
26
Lampiran 26 Histogram kenormalan sisaan konsumsi untuk model ARIMA (2,1,1)
10
Series: Residuals
Sample 2000:04 2005:12
Observations 69
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
0
-0.15
Jarque-Bera
Probability
-0.10
-0.05
0.00
-6.44E-05
0.000228
0.083816
-0.142245
0.042101
-0.928256
4.758686
18.80139
0.000083
0.05
Lampiran 27 Plot ACF dan PACF data awal
ekspor
Lampiran 28 Plot ACF dan PACF data awal
logaritma ekspor
27
Lampiran 29 Plot ACF dan PACF logaritma
ekspor setelah 1 kali differencing
Lampiran 31 Plot autokorelasi sisaan ekspor
untuk model ARIMA (0,1,1)
Lampiran 30 Kandidat model ARIMA
ekspor
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(1,1,0)
5
(3,1,0)
6
(2,1,0)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0082
0.0000
0.0250
0.7800
0.0000
0.1920
0.0228
0.0000
0.8234
0.0000
0.0042
0.0671
0.7214
0.5013
0.3328
0.0000
0.0061
AIC
-1.4035
-0.9302
-1.3667
-0.8976
-0.9383
-1.1104
Lampiran 32 Plot autokorelasi sisaan ekspor
untuk model ARIMA (1,1,0)
28
Lampiran 33 Plot autokorelasi sisaan ekspor
untuk model ARIMA (2,1,0)
Lampiran 34 Plot data awal logaritma ekspor
7.6
7.4
7.2
7.0
6.8
6.6
6.4
6.2
2000
2001
2002
2003
2004
2005
EKSPORLOG
Periode
Lampiran 35 Plot logaritma ekspor setelah 1
kali differencing
1.0
0.5
0.0
-0.5
-1.0
2000
2001
2002
2003
2004
2005
Periode
EKSPOR_
29
Lampiran 36 Histogram kenormalan sisaan ekspor untuk model ARIMA (0,1,1)
30
Series: Residuals
Sample 2000:02 2005:12
Observations 71
25
20
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
15
10
5
Jarque-Bera
Probability
0
-0.8
-0.6
-0.4
-0.2
0.0
-0.004128
0.010950
0.166275
-0.852477
0.117371
-5.342430
39.77934
4339.537
0.000000
0.2
Lampiran 37 Histogram kenormalan sisaan ekspor untuk model ARIMA (1,1,0)
24
Series: Residuals
Sample 2000:03 2005:12
Observations 70
20
16
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
12
8
4
Jarque-Bera
Probability
0
-0.75
-0.50
-0.25
0.00
0.25
-1.84E-10
-0.004420
0.522922
-0.878712
0.151209
-1.923268
20.05314
891.3493
0.000000
0.50
Lampiran 38 Histogram kenormalan sisaan ekspor untuk model ARIMA (2,1,0)
24
Series: Residuals
Sample 2000:04 2005:12
Observations 69
20
16
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
12
8
4
Jarque-Bera
Probability
0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
-5.64E-15
-0.006228
0.401781
-0.896845
0.146576
-2.858206
22.46330
1183.055
0.000000
0.4
30
Lampiran 39 Plot ACF dan PACF data awal
impor
Lampiran 40 Plot ACF dan PACF data awal
logaritma impor
Lampiran 41 Plot ACF dan PACF logaritma
impor setelah 1 kali differencing
Lampiran 42 Kandidat model ARIMA
impor
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(0,1,3)
5
(1,1,0)
6
(3,1,0)
7
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
MA(1)
MA(2)
MA(3)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.6472
0.0000
0.0352
0.9015
0.0000
0.0335
0.8008
0.0000
0.0123
0.0874
0.6514
0.0000
0.7705
0.0000
0.1732
0.6688
0.9104
0.0115
0.1354
0.7085
0.8828
AIC
-1.7309
-1.8564
-1.7612
-1.7634
-1.7695
-1.8141
-1.8295
31
Lampiran 43 Plot autokorelasi sisaan impor
untuk model ARIMA (0,1,1)
Lampiran 44 Plot autokorelasi sisaan impor
untuk model ARIMA (0,1,2)
Lampiran 45 Plot autokorelasi sisaan impor
untuk model ARIMA (1,1,0)
Lampiran 46 Plot autokorelasi sisaan impor
untuk model ARIMA (2,1,0)
32
Lampiran 47 Plot data awal logaritma impor
Lampiran 48 Plot logaritma impor setelah 1
kali differencing
.4
7.3
7.2
.3
7.1
.2
7.0
.1
6.9
.0
6.8
-.1
6.7
-.2
6.6
-.3
6.5
2000
2001
2002
2003
2004
2000
2005
2001
2002
2003
2004
2005
IMPOR_
Periode
IMPORLOG
Periode
Lampiran 49 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,1)
12
Series: Residuals
Sample 2000:02 2005:12
Observations 71
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
-0.001224
0.010912
0.218346
-0.231677
0.099703
-0.150137
2.698691
0.535315
0.765170
0.2
Lampiran 50 Histogram kenormalan sisaan impor untuk model ARIMA (0,1,2)
12
Series: Residuals
Sample 2000:02 2005:12
Observations 71
10
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
-0.001330
0.001358
0.197550
-0.252793
0.096828
-0.124133
2.681284
0.482847
0.785509
0.2
33
Lampiran 51 Histogram kenormalan sisaan impor untuk model ARIMA (1,1,0)
10
Series: Residuals
Sample 2000:03 2005:12
Observations 70
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
-1.12E-15
-0.000227
0.195014
-0.249194
0.097776
-0.048694
2.555727
0.603351
0.739578
0.2
Lampiran 52 Histogram kenormalan sisaan impor untuk model ARIMA (2,1,0)
10
Series: Residuals
Sample 2000:04 2005:12
Observations 69
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.2
-0.1
0.0
0.1
2.87E-14
-0.004502
0.190808
-0.249594
0.092243
-0.167225
2.727977
0.534327
0.765548
0.2
34
Lampiran 53 Plot ACF dan PACF data awal
harga
Lampiran 54 Plot ACF dan PACF data awal
logaritma harga
Lampiran 55 Plot ACF dan PACF logaritma
harga setelah 1 kali differencing
Lampiran 56 Kandidat model ARIMA
harga
No
1
Model
ARIMA
(0,1,1)
2
(2,1,0)
3
(0,1,2)
4
(1,1,0)
5
(3,1,0)
6
(2,1,1)
Koefisien
MA(1)
Konstanta
AR(1)
AR(2)
Konstanta
MA(1)
MA(2)
Konstanta
AR(1)
Konstanta
AR(1)
AR(2)
AR(3)
Konstanta
AR(1)
AR(2)
MA(1)
Konstanta
Nilaip
0.0000
0.0777
0.0000
0.0004
0.8957
0.0000
0.9537
0.0845
0.0000
0.9932
0.0000
0.0005
0.1095
0.8961
0.3239
0.2681
0.0000
0.2364
AIC
-3.4553
-3.1001
-3.4252
-2.9088
-3.1549
-3.4586
35
Lampiran 57 Plot autokorelasi sisaan harga
untuk model ARIMA (0,1,1)
Lampiran 58 Plot autokorelasi sisaan harga
untuk model ARIMA (1,1,0)
Lampiran 59 Plot autokorelasi sisaan harga
untuk model ARIMA (2,1,0)
Lampiran 60 Plot data awal logaritma harga
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
2000
2001
2002
2003
2004
2005
HARGALOG
Periode
36
Lampiran 61 Plot logaritma harga setelah 1
kali differencing
.12
.08
.04
.00
-.04
-.08
-.12
2000
2001
2002
2003
2004
2005
HARGA_
Periode
Lampiran 62 Histogram kenormalan sisaan harga untuk model ARIMA (0,1,1)
10
Series: Residuals
Sample 2000:03 2005:12
Observations 70
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
-0.003290
0.004098
0.088859
-0.114566
0.041958
-0.489320
3.059507
2.803725
0.246138
0.05
Lampiran 63 Histogram kenormalan sisaan harga untuk model ARIMA (1,1,0)
8
Series: Residuals
Sample 2000:04 2005:12
Observations 69
7
6
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
5
4
3
2
1
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-9.57E-14
0.003096
0.133102
-0.114395
0.055298
0.014234
2.462007
0.834461
0.658869
0.10
37
Lampiran 64 Histogram kenormalan sisaan harga untuk model ARIMA (2,1,0)
10
Series: Residuals
Sample 2000:05 2005:12
Observations 68
8
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
6
4
2
Jarque-Bera
Probability
0
-0.10
-0.05
0.00
0.05
-1.44E-14
0.013136
0.094351
-0.133525
0.049505
-0.514012
2.680909
3.282854
0.193703
0.10
Lampiran 65 Hasil pendugaan model VAR ordo 1
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
PRODUKSI_(-1)
-0.549897
(0.10509)
[-5.23246]
0.321234
(0.29680)
[ 1.08232]
1.797334
(0.96337)
[ 1.86568]
-0.673194
(0.64711)
[-1.04030]
-0.006247
(0.27773)
[-0.02249]
KONSUMSI_(-1)
-0.024058
(0.04316)
[-0.55748]
-0.332648
(0.12188)
[-2.72936]
-0.356863
(0.39559)
[-0.90209]
0.024150
(0.26573)
[ 0.09088]
-0.015425
(0.11405)
[-0.13526]
EKSPOR_(-1)
0.001049
(0.01179)
[ 0.08903]
-0.016832
(0.03329)
[-0.50562]
-0.488259
(0.10805)
[-4.51870]
0.102484
(0.07258)
[ 1.41199]
0.041339
(0.03115)
[ 1.32706]
IMPOR_(-1)
-0.010047
(0.01557)
[-0.64543]
-0.094806
(0.04396)
[-2.15657]
-0.194241
(0.14269)
[-1.36127]
-0.602841
(0.09585)
[-6.28950]
-0.059213
(0.04114)
[-1.43942]
HARGA_(-1)
-0.055275
(0.04701)
[-1.17575]
0.066448
(0.13277)
[ 0.50046]
-0.876982
(0.43096)
[-2.03495]
0.062046
(0.28948)
[ 0.21433]
-0.045838
(0.12424)
[-0.36894]
C
-0.001818
(0.00193)
[-0.93981]
-0.001185
(0.00546)
[-0.21686]
0.002246
(0.01773)
[ 0.12666]
0.002489
(0.01191)
[ 0.20901]
0.004684
(0.00511)
[ 0.91633]
38
Lampiran 66 Hasil pendugaan model VECM ordo 1 dengan rank kointegrasi 4
Cointegrating Eq:
CointEq1
CointEq2
CointEq3
CointEq4
PRODUKSI_(-1)
1.000000
0.000000
0.000000
0.000000
KONSUMSI_(-1)
0.000000
1.000000
0.000000
0.000000
EKSPOR_(-1)
0.000000
0.000000
1.000000
0.000000
IMPOR_(-1)
0.000000
0.000000
0.000000
1.000000
HARGA_(-1)
-0.059328
(0.03637)
[-1.63105]
-0.066471
(0.11496)
[-0.57823]
0.193134
(0.31839)
[ 0.60661]
-0.030326
(0.20891)
[-0.14516]
C
0.001762
(0.00103)
[ 1.71719]
0.001629
(0.00324)
[ 0.50252]
0.001412
(0.00898)
[ 0.15725]
-0.000667
(0.00589)
[-0.11327]
Error Correction:
D(PRODUKSI_) D(KONSUMSI_) D(EKSPOR_)
D(IMPOR_)
D(HARGA_)
CointEq1
-1.812166
(0.23688)
[-7.65017]
1.408701
(0.60968)
[ 2.31056]
5.326551
(2.03857)
[ 2.61288]
0.153011
(1.36540)
[ 0.11206]
0.650557
(0.79235)
[ 0.82105]
CointEq2
-0.033288
(0.07792)
[-0.42719]
-1.899189
(0.20056)
[-9.46929]
-1.462421
(0.67062)
[-2.18071]
-0.316468
(0.44917)
[-0.70456]
-0.001415
(0.26066)
[-0.00543]
CointEq3
0.016478
(0.02428)
[ 0.67878]
-0.034878
(0.06248)
[-0.55820]
-1.836063
(0.20892)
[-8.78825]
0.217108
(0.13993)
[ 1.55152]
0.187240
(0.08120)
[ 2.30580]
CointEq4
-0.046199
(0.03853)
[-1.19900]
-0.132865
(0.09917)
[-1.33974]
-0.575062
(0.33160)
[-1.73421]
-2.012295
(0.22210)
[-9.06031]
-0.089676
(0.12889)
[-0.69578]
D(PRODUKSI_(-1))
0.199584
(0.13592)
[ 1.46838]
-0.756077
(0.34983)
[-2.16125]
-2.371941
(1.16973)
[-2.02777]
-0.457612
(0.78347)
[-0.58408]
-0.239889
(0.45465)
[-0.52763]
D(KONSUMSI_(-1))
0.001618
(0.04670)
[ 0.03463]
0.412550
(0.12021)
[ 3.43195]
0.670276
(0.40194)
[ 1.66761]
0.168489
(0.26921)
[ 0.62586]
-0.046314
(0.15623)
[-0.29646]
D(EKSPOR_(-1))
-0.005471
(0.01407)
[-0.38878]
-0.003293
(0.03622)
[-0.09091]
0.197403
(0.12110)
[ 1.63003]
-0.092421
(0.08111)
[-1.13941]
-0.072258
(0.04707)
[-1.53510]
D(IMPOR_(-1))
0.019191
(0.02163)
[ 0.88722]
0.044141
(0.05567)
[ 0.79285]
0.288039
(0.18615)
[ 1.54731]
0.283164
(0.12468)
[ 2.27106]
-0.008647
(0.07235)
[-0.11951]
D(HARGA_(-1))
-0.108166
(0.03501)
[-3.08953]
-0.018741
(0.09011)
[-0.20798]
-0.033863
(0.30130)
[-0.11239]
-0.267850
(0.20181)
[-1.32727]
-0.491959
(0.11711)
[-4.20086]
39
Lampiran 67 Uji portmanteau kebaikan model VECM
Lags
Q-Stat
Prob.
Adj Q-Stat
Prob.
df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
10.48017
25.78136
43.90667
67.52144
84.79412
110.5545
130.2028
150.3694
169.1333
183.3981
204.6362
228.4523
254.3668
264.8145
277.6576
302.3469
319.5983
338.9489
359.0429
370.1041
388.3635
410.8015
428.2821
467.3264
486.4098
507.6093
524.6771
535.7393
553.2086
573.9137
NA*
0.4193
0.7152
0.7181
0.8616
0.8183
0.8767
0.9112
0.9449
0.9805
0.9837
0.9813
0.9738
0.9938
0.9983
0.9976
0.9988
0.9992
0.9994
0.9999
0.9999
0.9999
1.0000
0.9996
0.9998
0.9998
0.9999
1.0000
1.0000
1.0000
10.63429
26.39223
45.34142
70.40940
89.03151
117.2453
139.1119
161.9233
183.5018
200.1844
225.4504
254.2804
286.2107
299.3178
315.7285
347.8712
370.7624
396.9428
424.6724
440.2483
466.4963
499.4371
525.6581
585.5260
615.4522
649.4701
677.5100
696.1268
726.2614
762.8935
NA*
0.3869
0.6605
0.6285
0.7759
0.6767
0.7277
0.7522
0.7925
0.8818
0.8656
0.8101
0.7069
0.8435
0.9057
0.8392
0.8500
0.8318
0.7991
0.8717
0.8561
0.7827
0.7657
0.3714
0.3222
0.2413
0.2204
0.2785
0.2385
0.1597
NA*
25
50
75
100
125
150
175
200
225
250
275
300
325
350
375
400
425
450
475
500
525
550
575
600
625
650
675
700
725
*The test is valid only for lags larger than the VAR lag order.
df is degrees of freedom for (approximate) chi-square distribution
Lampiran 68(a) Dekomposisi ragam produksi
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.016284
0.019346
0.020760
0.020871
0.021177
0.021247
0.021410
0.021517
0.021654
0.021758
0.021889
0.022000
100.0000
97.87142
90.25007
89.29544
86.90598
86.49653
85.29263
84.63315
83.73386
83.02725
82.23455
81.53390
0.000000
0.046717
0.071124
0.080021
0.239332
0.247066
0.250885
0.272953
0.311696
0.316466
0.337559
0.358345
0.000000
0.549674
0.727591
1.496405
1.478463
1.499717
1.644547
1.669861
1.751835
1.806449
1.858976
1.921918
0.000000
1.504798
2.041358
2.194783
2.133112
2.172276
2.161056
2.194228
2.166590
2.152685
2.131903
2.115040
0.000000
0.027392
6.909855
6.933350
9.243109
9.584411
10.65088
11.22981
12.03602
12.69715
13.43701
14.07080
40
Lampiran 68(b) Dekomposisi ragam konsumsi
Period
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
1
2
3
4
5
6
7
8
0.041912
0.046680
0.048218
0.049593
0.050691
0.050929
0.051102
0.051239
10.87877
10.03739
9.730220
10.17879
12.91770
12.99288
12.91291
13.19992
89.12123
85.64512
82.80714
82.57127
79.39469
79.02767
78.66392
78.25367
0.000000
1.474638
3.280370
3.128968
3.040691
3.320619
3.299035
3.285633
0.000000
2.786692
3.718615
3.517507
3.635033
3.650920
3.626356
3.637189
0.000000
0.056160
0.463654
0.603467
1.011884
1.007906
1.497781
1.623587
9
10
11
12
0.051312
0.051375
0.051449
0.051507
13.16412
13.14430
13.18192
13.17311
78.08969
77.89924
77.67849
77.51445
3.338447
3.336657
3.342605
3.358580
3.631752
3.627631
3.618073
3.610564
1.775995
1.992171
2.178912
2.343304
Lampiran 68(c) Dekomposisi ragam ekspor
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.140139
0.177773
0.182738
0.184727
0.187521
0.189001
0.189351
0.189612
0.189868
0.190027
0.190159
0.190320
0.026164
3.784685
6.268048
6.615418
8.215844
9.213459
9.195325
9.212623
9.315714
9.320079
9.311862
9.329947
0.621948
2.379308
2.299871
3.509809
3.864450
3.811744
4.024877
4.025125
4.015782
4.036528
4.031844
4.025878
99.35189
88.46268
85.55435
83.77199
81.39701
80.17087
79.98895
79.77200
79.55835
79.45412
79.35140
79.22564
0.000000
2.381283
2.848196
2.990427
3.328662
3.406936
3.395054
3.394615
3.399851
3.394485
3.390989
3.386007
0.000000
2.992049
3.029533
3.112353
3.194033
3.396993
3.395792
3.595638
3.710305
3.794793
3.913904
4.032533
Lampiran 68(d) Dekomposisi ragam impor
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.093863
0.116701
0.121860
0.123748
0.124547
0.124722
0.124858
0.124887
0.124916
0.124922
0.124937
0.124940
1.455509
0.948037
2.749334
4.787800
5.369341
5.354561
5.383780
5.400391
5.408444
5.413814
5.421617
5.421855
9.153839
8.187324
8.619003
8.679157
8.568159
8.609316
8.596525
8.598793
8.609644
8.609228
8.607149
8.607415
0.217327
1.550129
2.299450
2.292763
2.280128
2.283934
2.296344
2.299732
2.304421
2.304603
2.304130
2.305259
89.17333
88.84772
84.99352
82.45000
81.40184
81.18330
81.03167
81.01050
80.97587
80.96861
80.94904
80.94512
0.000000
0.466788
1.338689
1.790278
2.380531
2.568888
2.691677
2.690586
2.701625
2.703742
2.718066
2.720349
41
Lampiran 68(e) Dekomposisi ragam harga
Period
1
2
3
4
5
6
7
8
9
10
11
12
S.E.
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.054469
0.064674
0.076966
0.084941
0.093983
0.100972
0.108376
0.114661
0.121034
0.126864
0.132541
0.137931
5.234296
7.888807
10.34320
10.61168
10.93165
11.34829
11.68016
11.75833
11.96564
12.09479
12.18447
12.27712
2.573515
1.948460
2.208441
2.204077
2.098491
2.043805
2.084494
2.052682
2.029855
2.030771
2.021680
2.011381
0.198543
6.940897
6.217245
6.374239
6.569523
6.625383
6.700646
6.766817
6.787721
6.834098
6.861070
6.883383
0.384496
1.443510
1.058178
1.415831
1.157098
1.139833
1.028335
0.966991
0.907609
0.867659
0.826920
0.797644
91.60915
81.77833
80.17294
79.39417
79.24324
78.84269
78.50637
78.45518
78.30918
78.17268
78.10586
78.03047
Lampiran 69(a) Respon impuls produksi
Period
1
2
3
4
5
6
7
8
9
10
11
12
PRODUKSI_
KONSUMSI_
EKSPOR_
IMPOR_
HARGA_
0.016284
-0.010056
0.004760
0.00012