Estimasi parameter model Vector Autoregressive dengan metode Maximum Likelihood

INDONESIA:

Model Vector Autoregressive (VAR) merupakan pemodelan time series multivariate yang memiliki beberapa variabel endogen secara bersamaan, namun masing-masing variabel endogen dijelaskan oleh lag dari nilainya sendiri dan variabel endogen lainnya dalam model. Model VAR yang digunakan dalam penelitian ini merupakan model VAR dengan 1 lag dan 3 variabel.

Tujuan penelitian ini adalah untuk mengetahui estimasi parameter model VAR menggunakan metode Maximum Likelihood dengan mengasumsikan modelnya berdistribusi normal. Metode Maximum Likelihood merupakan salah satu metode yang digunakan untuk mengestimasi parameter dengan cara memaksimumkan fungsi log-likelihood pada model.

Hasil dari estimasi VAR tersebut diimplementasikan pada data harga emas, kurs dollar terhadap rupiah, dan Indeks Harga Saham Gabungan (ISHG) mulai dari bulan Juli 2005 sampai bulan Juli 2011. Berdasarkan hasil analisis didapatkan model yang sesuai adalah VARIMA(1,1,0) karena tidak ada korelasi antara error pada lag, dan nilai AIC lebih kecil dibanding model yang lain.

ENGLISH:

Vector Autoregressive (VAR) model is a multivariate time series modeling that has several endogenous variables. In the VAR model, every endogenous variable is explained by the lag of its own value and other endogenous variable in the model. The VAR model is used in this study is a VAR model with one lag and three variables.

The purpose of this study was to determine the parameter estimation on the VAR(1) model using Maximum Likelihood Estimation assuming the model is normally distributed. Maximum likelihood method is one of the methods used to estimate parameters by maximizing the log-likelihood function of a model.

The result of VAR estimation are implemented in the gold price data, the dollar exchange rate against the rupiah, and the joint stock price index (IHSG) starting from July 2005 until July 2011. From the result of analysis, the corresponding model is VARIMA (1,1,0) because there is no correlation between residual lag, and value AIC is smaller than the other models.