peramalan netflow uang kartal dengan model variasi ... · 2. analisis dan pembahasan kesimpulan dan...

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


MODEL UMUM

Dummy Kejadian Variasi Kalender

Dummy pola musiman

C

trend

Model ARIMA residual

Variasi Kalender



12

Ekonometrika

Time Series

Model ARDL (p,q)

Variasi Kalender



Komponen Autoregressive

Komponen Distributed Lag

13

Ekonometrika

Time SeriesMODEL UMUM

Variasi Kalender



14

MODEL UMUM

Error White noise

Variasi Kalender



15

In-Sample

Out-Sample

Variasi Kalender



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



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



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


DeskriptifVariasi


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


DeskriptifVariasi


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


DeskriptifVariasi


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


DeskriptifVariasi


-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


DeskriptifVariasi


• 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


DeskriptifVariasi



MODEL TERBAIK

Residual White Noise dan mengikuti berdistribusi normal

29


DeskriptifVariasi


MODEL TERBAIK


Residual White Noise dan belum mengikuti distribusi normal

30


DeskriptifVariasi


TahunBulan

201320122011201020092008200720062005JanJanJanJanJanJanJanJanJan

15,0

12,5

10,0

7,5

5,0

Data

SBIIHK/10KURS/1000

Variable

31


DeskriptifVariasi


Ekonometrika Time Series

REGRESI SEKUENSIAL

SUKU BUNGA SBI INDEKS HARGA KONSUMEN

KURS RUPIAH/DOLLAR AS

32


DeskriptifVariasi



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


DeskriptifVariasi



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


DeskriptifVariasi


SINGLE INPUT (SUKU BUNGA SBI)


35


DeskriptifVariasi


UJI SIGNIFIKANSI PARAMETER


36


DeskriptifVariasi


SINGLE INPUT (IHK)


Residual White Noise dan belum mengikuti distribusi normal, variabel

IHK signifikan

37


DeskriptifVariasi


SINGLE INPUT (KURS)


Residual White Noise dan belum mengikuti distribusi normal, variabel

Kurs tidak signifikan

38


DeskriptifVariasi


MULTI INPUT


Residual White Noise dan belum mengikuti distribusi normal, hanya

variabel IHK yang signifikan

39


DeskriptifVariasi


MODEL TERBAIK

Residual White Noise dan mengikuti distribusi normal, semua variabel

signifikan

40


DeskriptifVariasi


41


DeskriptifVariasi


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


DeskriptifVariasi


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

peramalan netflow uang kartal dengan model variasi ... · 2. analisis dan pembahasan kesimpulan dan...

Documents