peramalan netflow uang kartal dengan model variasi ... · 2. analisis dan pembahasan kesimpulan dan...
TRANSCRIPT
Seminar Hasil Tugas AkhirSurabaya, 23 Juni 2014
DOSEN PEMBIMBINGDr. Suhartono, M.Si, M.Sc
OLEHAinil Karomah (1310 100 042)
Peramalan Netflow Uang Kartal dengan Model Variasi Kalender
dan Model Autoregressive Distributed Lag (ARDL)
1
Pendahuluan MetodologiTinjauan Pustaka
2
Analisis dan Pembahasan
Kesimpulan dan Saran
Bab IPendahuluan 3
Latar Belakang
Rumusan Masalah
4
Latar Belakang
Rumusan Masalah
Dalam rangka mencapai likuiditas perbankan yang diharapkan, Bank Indonesia melakukan peramalan netflow uang kartal yang akan berdampak pada
kebijakan-kebijakan moneter yang akan dijalankan
5
Bagaimana karakteristik netflow uang
kartal di Indonesia?
1
Bagaimana model variasi kalender, model
ARDL, dan model gabungan yang tepat untuk meramalkan netflow uang kartal
Bagaimana model terbaik untuk meramalkan
netflow uang kartal?2
3
6
Latar Belakang
Rumusan Masalah
Bab IITinjauan Pustaka 7
8
Uang kartal adalah uang kertas dan uang logam rupiah yang dikeluarkan dan diedarkan oleh Bank Indonesia
sebagai alat pembayaran yang sah (Departemen Statistik Ekonomi dan Moneter Bank Indonesia, 2013)
Variasi Kalender
Uang Kartal ARDL Model Gabungan
Kriteria Model
Penelitian Sebelumnya
9
Uang kartal yang masukke BI melalui kegiatan
setoran yang dilakukan oleh bank umum disebut
sebagai inflow
uang kartal yang keluardari BI melalui proses
penarikan uang tunai bank umum dari giro di BI atau pembayaran tunai melalui
BI disebut outflow
Selisih antara outflow dan inflowdisebut netflow
outflow > inflow maka selisihnya disebut net outflow
outflow < inflow maka selisihnya disebut net inflow
Variasi Kalender
Uang Kartal ARDL Model Gabungan
Kriteria Model
Penelitian Sebelumnya
10
Regresi Time Series ARIMAX
MODEL UMUM
Dummy Kejadian Variasi Kalender
Trend
SeasonalAutoregressive
C
Error White noise
Variasi Kalender
Uang Kartal ARDL Model
GabunganKriteria Model
11
Regresi Time Series ARIMAX
MODEL UMUM
Dummy Kejadian Variasi Kalender
Dummy pola musiman
C
trend
Model ARIMA residual
Variasi Kalender
Uang Kartal ARDL Model
GabunganKriteria Model
12
Ekonometrika
Time Series
Model ARDL (p,q)
Variasi Kalender
Uang Kartal ARDL Model
GabunganKriteria Model
Komponen Autoregressive
Komponen Distributed Lag
13
Ekonometrika
Time SeriesMODEL UMUM
Variasi Kalender
Uang Kartal ARDL Model
GabunganKriteria Model
14
MODEL UMUM
Error White noise
Variasi Kalender
Uang Kartal ARDL Model
GabunganKriteria Model
15
In-Sample
Out-Sample
Variasi Kalender
Uang Kartal ARDL Model
GabunganKriteria Model
Bab IIIMetodologi Penelitian 16
Sumber Data
Variabel Penelitian
Langkah Penelitian
17
Netflow kartal: database harian uang primer yang disusun oleh Divisi Statistik Moneter dan Fiskal BI. Database harian uang primer tersebut diperoleh dari Sectoral Balance Sheet Cental Bank (SBSCB)
Data IHK diperoleh dari Divisi Statistik Sektor Riil BI
Data Nilai Tukar Rupiah per Satuan Dolar AS: Biro Kebijakan Moneter – Divisi Sektor Eksternal dan Nilai Tukar BI
Data BI rate diperoleh dari Divisi Penyelesaian Transaksi, Informasi dan Administrasi BI
Sumber Data
Variabel Penelitian
Langkah Penelitian
18
X1(t)Suku Bunga
SBI (%)
X2(t)IHK (indeks)
X3 (t)Kurs
(Rupiah/Dollar AS)
Y(t)Netflow Uang Kartal (Miliar
Rupiah)
• Variabel dummy yang menyatakan efek musiman ataupun efek variasi kalender
• Data bulan Januari 2005-Desember 2012 digunakan sebagai in-sample
• Data bulan Januari 2013-Desember 2013 digunakan sebagai out-sample
Sumber Data
Variabel Penelitian
Langkah Penelitian
19
Tahun Tanggal Idul Fitri Keterangan Variabel Dummy
2005 03 – 04 Nopember M1 NopemberV1,t=1 untuk NopemberV1,(t-1)=1 untuk OktoberV1,(t+1)=1 untuk Desember
2006 23 – 24 Oktober M4 OktoberV4,t=1 untuk OktoberV4,(t-1)=1 untuk SeptemberV4,(t+1)=1 untuk Nopember
2007 12 – 13 Oktober M2 OktoberV2,t=1 untuk OktoberV2,(t-1)=1 untuk SeptemberV2,(t+1)=1 untuk Nopember
2008 01 – 02 Oktober M1 OktoberV1,t=1 untuk OktoberV1,(t-1)=1 untuk SeptemberV1,(t+1)=1 untuk Nopember
2009 21 – 22 September M4 SeptemberV4,t=1 untuk SeptemberV4,(t-1)=1 untuk AgustusV4,(t+1)=1 untuk Oktober
2010 10 – 11 September M2 SeptemberV2,t=1 untuk SeptemberV2,(t-1)=1 untuk AgustusV2,(t+1)=1 untuk Oktober
2011 30 – 31 Agustus M4 AgustusV4,t=1 untuk AgustusV4,(t-1)=1 untuk JuliV4,(t+1)=1 untuk September
2012 19 – 20 Agustus M3 AgustusV3,t=1 untuk AgustusV3,(t-1)=1 untuk JuliV3,(t+1)=1 untuk September
2013 08 – 09 Agustus M2 AgustusV2,t=1 untuk AgustusV2,(t-1)=1 untuk JuliV2,(t+1)=1 untuk September
Sumber Data
Variabel Penelitian
Langkah Penelitian
20
Studi Literatur
Pengumpulan data penelitian dan eksplorasi statistik deskriptif
Melakukan pembentukan model variasi kalender berbasis regresi time series dan ARIMAX
Melakukan pembentukan model ARDL melalui pendekatan confirmatory dan explanatory
Melakukan pembentukan model gabungan variasi kalender dan ARDL
Melakukan pemilihan model terbaik dan meramalkan netflow uang kartal
Kesimpulan
Bab IVAnalisis dan Pembahasan 21
22
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
YearMonth
201320122011201020092008200720062005JanJanJanJanJanJanJanJanJan
75000
50000
25000
0
-25000
-50000
Net
flow
Kar
tal (
Mily
ar R
upia
h)
0
12
1110
9
8
7
65
4
3
2
1
12
11
10
9
8
7
6
543
2
1
12
1110
9
8
765
4
32
1
12
11
109
8
765
4
32
1
12
11
10
9
87
6
54
3
2
1
12
11
10
9
87
6
543
2
1
12
11
10
9
87
65
43
2
1
12
11
10
9
8
76
54
3
21
12
11
10
9
876
5432
1
23
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
NET OUTFLOW TERTINGGI
• Desember
• Oktober (2005 dan 2006)
• September (2007 - 2009)
• Agustus (2010 - 2012)
• Juli (2013)
NET INFLOW TERTINGGI
• Januari
• Nopember (2005 - 2007)
• Oktober (2008 dan 2009)
• September (2010 - 2012)
• Agustus (2013)
24
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
Tahun Tanggal Idul Fitri Keterangan Net inflow Tertinggi Net outflow Tertinggi
2005 03 – 04 Nopember Minggu Ke-1 Nopember Januari, Nopember Oktober, Desember
2006 23 – 24 Oktober Minggu Ke-4 Oktober Januari, Nopember Oktober, Desember
2007 12 – 13 Oktober Minggu Ke-2 Oktober Januari, Nopember September, Desember
2008 01 – 02 Oktober Minggu Ke-1 Oktober Januari, Oktober September, Desember
2009 21 – 22 September Minggu Ke-4 September Januari, Oktober September, Desember
2010 10 – 11 September Minggu Ke-2 September Januari, September Agustus, Desember
2011 30 – 31 Agustus Minggu Ke-4 Agustus Januari, September Agustus, Desember
2012 19 – 20 Agustus Minggu Ke-3 Agustus Januari, September Agustus, Desember
2013 08 – 09 Agustus Minggu Ke-2 Agustus Januari, Agustus Juli, Desember
25
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
NET OUTFLOW TERTINGGI
• Desember
• Bulan terjadinya Idul Fitri (Jika Idul Fitri pada minggu ke-3 atau ke-4)
• Satu bulan sebelum Idul Fitri (Jika Idul Fitri pada minggu ke-1 atau ke-2)
NET INFLOW TERTINGGI
• Januari
• Bulan terjadinya Idul Fitri (jika Idul Fitri pada minggu ke-1 atau ke-2)
• Satu bulan setelah Idul Fitri (jika Idul Fitri pada minggu ke-3 atau minggu ke-4)
26
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
-40000
-30000
-20000
-10000
0
10000
20000
30000
40000
Satu Bulan Sebelum Idul Fitri
Saat Idul Fitri Satu Bulan Setelah Idul Fitri
Minggu ke-1 Minggu ke-2 Minggu ke-3 Minggu ke-4
27
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
• Satu bulan sebelum terjadinya Idul Fitri, rata-rata kebutuhan uang kartal tercatat net inflow dengan tren menurun jika Idul Fitri terjadi pada minggu pertama, kedua, ketiga, dan keempat
• Pada saat Idul Fitri, rata-rata kebutuhan uang kartal mengalami net inflow yang tinggi jika Idul Fitri terjadi pada minggu pertama, net inflow yang rendah jika Idul Fitri terjadi pada minggu kedua, net outflow jika Idul Fitri terjadi pada minggu ketiga, dan net outflow yang semakin tinggi jika Idul Fitri terjadi pada minggu keempat.
• Sebulan setelah Idul Fitri, rata-rata kebutuhan uang kartal tercatat net outflow jika Idul Fitri terjadi pada minggu pertama dan tercatat net inflow yang semakin tinggi jika Idul Fitri terjadi pada minggu kedua, ketiga, dan keempat.
28
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
Regresi Time Series ARIMAX
MODEL TERBAIK
Residual White Noise dan mengikuti berdistribusi normal
29
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
MODEL TERBAIK
Regresi Time Series ARIMAX
Residual White Noise dan belum mengikuti distribusi normal
30
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
TahunBulan
201320122011201020092008200720062005JanJanJanJanJanJanJanJanJan
15,0
12,5
10,0
7,5
5,0
Data
SBIIHK/10KURS/1000
Variable
31
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
Ekonometrika Time Series
REGRESI SEKUENSIAL
SUKU BUNGA SBI INDEKS HARGA KONSUMEN
KURS RUPIAH/DOLLAR AS
32
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
Ekonometrika Time Series
REGRESI SERENTAK
7065605550454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Aut
ocor
rela
tion
33
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
Ekonometrika Time Series
UJI SIGNIFIKANSI PARAMETER
Variabel Koefisien SE T-value P-value
Konstanta 24979 34053 0,73 0,465
X1(t) 1290 4092 0,32 0,753
X1(t-1) -1491 4185 -0,36 0,723
X2(t) 25,6 213 0,12 0,905
X3(t) -2,516 2,09 -1,2 0,233
y(t-1) -0,32624 0,0798 -4,09 0
y(t-12) 0,68625 0,0792 8,66 0
model ARDL berbasis ekonometrik belum layak
digunakan
34
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
SINGLE INPUT (SUKU BUNGA SBI)
Ekonometrika Time Series
35
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
UJI SIGNIFIKANSI PARAMETER
Ekonometrika Time Series
36
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
SINGLE INPUT (IHK)
Ekonometrika Time Series
Residual White Noise dan belum mengikuti distribusi normal, variabel
IHK signifikan
37
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
SINGLE INPUT (KURS)
Ekonometrika Time Series
Residual White Noise dan belum mengikuti distribusi normal, variabel
Kurs tidak signifikan
38
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
MULTI INPUT
Ekonometrika Time Series
Residual White Noise dan belum mengikuti distribusi normal, hanya
variabel IHK yang signifikan
39
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
MODEL TERBAIK
Residual White Noise dan mengikuti distribusi normal, semua variabel
signifikan
40
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
41
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
INTERPRETASI
-40000,0
-30000,0
-20000,0
-10000,0
0,0
10000,0
20000,0
30000,0
40000,0
Satu Bulan Sebelum Idul Fitri
Saat Idul Fitri
Satu Bulan Setelah Idul
Fitri
Minggu ke-1 Minggu ke-2Minggu ke-3 Minggu ke-4
-25000
-20000
-15000
-10000
-5000
0
5000
10000
15000
20000
25000
Januari Februari JuniSeptember Oktober Desember
-2000
-1500
-1000
-500
0
500
1000
1500
2000
2500
3000
IHK (t-2) IHK (t-3) IHK (t-5)
42
Karakteristik Idul Fitri Stat
DeskriptifVariasi
Kalender ARDL Gabungan Model Terbaik Peramalan
TahunBulan
2014201320122011201020092008200720062005JanJanJanJanJanJanJanJanJanJan
75000
50000
25000
0
-25000
-50000
Netfl
ow U
ang
Karta
lActualForecast
Variable
net inflow uang kartal tertinggi akan terjadi pada bulan Januari -38,83 triliun rupiah)
net outflow uang kartal tertinggi akan terjadi pada bulan Juli 39,12 triliun rupiah)
Bab VKesimpulan dan Saran 43
Kesimpulan Saran
44
• Karakteristik netflow uang kartal dipengaruhi oleh adanya variasi kalenderyang disebabkan perayaan tahunan Idul Fitri. Selain itu, juga terdapat efek musiman dari bulan-bulan tertentu
• Model terbaik untuk meramalkan netflow uang kartal
adalah model gabungan antara variasi kalender berbasis ARIMAX dan model ARDL berbasis time series.
• Pada tahun 2014, net inflow tertinggi akan terjadi pada bulan Januari yakni sebesar -38,83 triliun rupiah dan net outflow tertinggi akan terjadi
pada bulan Juli yakni sebesar 39,12 triliun rupiah.
Kesimpulan Saran
45
• Pada penelitian selanjutnya sebaiknya dilakukan komparasi model dengan pendekatan ekonometrik yang lebih advance ataupun
dengan model-model non-linear untuk mendapatkan residual hasil
ramalan yang lebih kecil.
Daftar Pustaka
46
Akinlo, A. Enisan. (2005). The Stability of Money Demand in Nigeria: AnAutoregressive Distributed Lag Approach. Journal of Policy Modelling 28page 445-452.
Baharumshah, A.Z, Mohd, S.H, dan Masih, A. M. M. (2009). The Stability ofMoney Demand in China: Evidence from the ARDL Model. EconomicSystems 33 page 231-244.
Cryer, J.D. dan Chan, K.-S. (2008). Time Series Analysis: With Applications in R(2nd ed.). New York: Springer Science+Business Media, LLC.
Gujarati, Damodar N. (2004). Basic Econometrics.The-McGraw Hill CompanyHasanah, Heni. (2009). Stabilitas Moneter pada Sistem Perbankan Ganda di
Indonesia. Tesis. Program Pascasarjana Depertemen Ilmu Ekonomi InstitutPertanian Bogor.
Hidayat, Imam. (2010). Analisis Pengaruh Harga Bahan Bakar Minyak Ecerandan Industri Terhadap Indeks Harga Kelompok Komoditi Pembentuk IndeksHarga Konsumen di Indonesia. Tesis. Program Magister Perencanaan danKebijakan Publik, Universitas Indonesia.
Insukindro dan Aliman. (1999). Pemilihan dan Bentuk Fungsi Empirik: Studi KasusPermintaan Uang Kartal Riil di Indonesia. Jurnal Ekonomi dan BisnisIndonesia, Vol. 14, No. 4:49-61.
Daftar Pustaka
47
Kadiman, Irawan (2005). Teori dan Indikator Pembangunan. Jakarta: LembagaAdministrasi Negara Republik Indonesia
Makridakis S, Wheelwright, S. C. dan McGee, V. E. (1999). Metode dan AplikasiPeramalan, Edisi kedua. Jakarta: Binurapa Aksara.
Manurung, Mandala dan Rahardja, Pratama. (2004). Uang, Perbankan, danEkonomi Moneter (Kajian Kontekstual Indonesia). Jakarta: LembagaPenerbit FEUI.
Pesaran, M. Hashem and Shin, Yongcheol. (1997). An Autoregressive DistributedLag Modelling Approach to Cointegration Analysis. Symposium at theCentennial of Ragnar Frisch, The Norwegian Academy of Science andLetters, Oslo, March 3-5.
Rangkuti, Agus Edy. (2007). Analisis Faktor-Faktor yang MempengaruhiPermintaan Uang Kartal di Indonesia. Tesis. Program Pascasarjana ProgramStudi Ekonomi Pembangunan, Universitas Sumatera Utara.
Rosadi, Dedi. (2011). Analisis Ekonometrika dan Runtun Waktu Terapan denganR. Yogyakarta: Penerbit ANDI
Setiawan, Wawan. (2010). Analisis Dampak Fluktuasi Perekonomian DuniaTerhadap Efektifitas Kebijakan Moneter. Tesis. Program Studi MagisterPerencanaan dan Kebijakan Publik, Universitas Indonesia.
Daftar Pustaka
48
Solikin dan Suseno. (2002). Uang: Pengertian, Penciptaan, dan Peranannyadalam Perekonomian. Jakarta: Bank Indonesia.
Suhartono, Lee, M.H., dan Hamzah, N.A. (2010). Calendar Variation Model Basedon Time Series Regression for Sales Forecast: The Ramadhan Effects.Proceedings of the Regional Conference on Statistical Sciences, 30-41.
Suherman. (2003). Estimasi Model Permintaan Uang Kartal Indonesia 1990:1-2002:IV Error Correction Model. Tesis. Magister Perencanaan DanKebijakan Publik Fakultas Ekonomi Universitas Indonesia.
Suryaningtyas, Wahyuni. (2011). Peramalan Volume Penjualan Celana Panjang diBoyolali dengan Menggunakan Model Variasi Kalender. Prosiding dalamSeminar Nasional Matematika dan Pendidikan Matematika tanggal 3Desember 2011 di Jurusan Pendidikan Matematika FMIPA UniversitasNegeri Yogyakarta.
Utari, Maria. (2013). Market-to-Retail Pass-Through dan Faktor-Faktor yangMempengaruhinya: Kajian Empiris di 36 Negara di Dunia. Skripsi. ProgramSarjana Departemen Ilmu Ekonomi Institut Pertanian Bogor.
Wei, W. W. S. (2006). Time series Analysis Univariate and Multivariate Methods.New York: Pearson education, Inc.
Terimakasih 49