24.04.2014 Views

2014_kajian_pkrb_01. ASEAN-CHINA FTA Dampak Ekspor

2014_kajian_pkrb_01. ASEAN-CHINA FTA Dampak Ekspor

2014_kajian_pkrb_01. ASEAN-CHINA FTA Dampak Ekspor

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

lebih andal dibandingkan hasil ramalan pemodelan ekonometrik tradisional,<br />

khususnya untuk hasil ramalan jangka pendek. Namun, tentunya setiap kasus<br />

perlu diteliti.” Model ARIMA menekankan pada sifat-sifat probabilistik atau<br />

stokastik dari runtun waktu ekonomi dengan menggunakan data yang<br />

bersangkutan untuk memutuskan arah kecenderungannya sendiri tanpa<br />

melibatkan data lainnya. Sebagai ilustrasi, bila dalam model regresi, Y dijelaskan<br />

oleh k variabel bebas X1, X2, X3, ... , Xk, maka dalam model ARIMA, Y dijelaskan<br />

oleh nilai-nilai Y sendiri di waktu sebelumnya.<br />

Model yang digunakan dalam tulisan ini adalah multiplicative ARIMA (non–<br />

seasonal dan seasonal) yang merupakan hasil gabungan proses model<br />

Autoregressive (AR), differencing dan moving average/rata-rata bergerak (MA)<br />

yang dinotasikan dengan ARIMA (p, d, q)(P,D,Q).<br />

Model AR (p) secara matematis diuraikan sebagai berikut :<br />

(Y t - δ ) = α 1 (Y t – 1 - δ) + α 2 (Y t – 2 - δ) + ... + α p (Y t – p - δ) + u t ........................ (1)<br />

Dalam persamaan tersebut di atas fungsi Y t melibatkan nilai data Y lag ke-<br />

1, ke-2 dan seterusnya hingga lag ke-p atau dikatakan sebagai suatu proses<br />

Autoregressive derajat ke-p atau AR (p).<br />

Model MA (q) selanjutnya dapat diuraikan dalam notasi<br />

Y t = µ + β 0 u t + β 1 u t-1 + β 2 u t-2 + ... + β q u t-q ........................................................... (2)<br />

di mana<br />

u t = ε t + λ 1 ε t-1 + λ 2 ε t-2 + λ 3 ε t-3 + ..... + λ p ε t-p<br />

u t-1 = ε t-1 + λ 2 ε t-2 + λ 3 ε t-3 + λ 4 ε t-4 + ..... + λ p ε t-p<br />

dan seterusnya<br />

Fungsi Y t melibatkan nilai rata-rata bergerak dari residual atau suatu proses<br />

Moving Average derajat ke-q atau MA (q).<br />

Selanjutnya penggabungan model AR (p) dan model MA (q) sebagai model<br />

ARMA (p,q) dapat dinotasikan menjadi<br />

Yt = θ + α1 (Yt–1 - δ) + α2 (Yt–2 - δ) + ... + αp (Yt–p - δ) + β0 ut + β1 ut-1 + β2 ut-2 + ... + βq ut-q .............. (3)<br />

Bila data yang akan dimasukkan ke dalam model ARMA bersifat nonstasioner,<br />

maka data harus distasionerkan terlebih dahulu dengan melakukan<br />

11

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!