Implementasi parameter model vector autoregressive dengan metode Bootstrap

INDONESIA :

Vector Autoregressive (VAR) merupakan salah satu model time series untuk meramalkan data dua variabel atau lebih yang memiliki hubungan timbal balik yang saling terkait. Bootstrap merupakan suatu metode resampling atau penyampelan ulang data dengan pengembalian untuk mengestimasi parameter. Resampling bertujuan untuk memperkecil error baku parameter. Sampel Bootstrap dapat terdiri dari nilai yang sama yang diulang sebanyak n kali.

Tujuan dari penelitian ini adalah untuk mengetahui hasil implementasi parameter model VAR dengan metode Bootstrap pada data harga komoditas cabai merah, cabai rawit, dan bawang merah kota Surabaya dari Januari 2004 hingga Desember 2006.

Implementasi parameter model VAR menggunkan metode Bootstrap terdiri dari beberapa tahap yaitu identifikasi data, uji stasioneritas data, uji lag optimal, uji kausalitas granger, estimasi parameter model dan verifikasi model.

Hasil dari penelitian ini menunjukkan bahwa model VAR dengan metode Bootstrap ketika diterapkan pada data harga komoditas cabai merah, cabai rawit, dan bawang merah dengan resampling B=n, diperoleh model sebagai berikut:

KCM_t=0.2376+0.2476〖KCM〗_(t-1)+0.2561KCR_(t-1)+0.2638KBM_(t-1)
KCR_t =0.2384+0.2415〖KCM〗_(t-1)+0.2708KCR_(t-1)+0.2523KBM_(t-1)
KBM_t=0.2507+0.2399〖KCM〗_(t-1)+0.2615KCR_(t-1)+0.2492KBM_(t-1)

dengan:
KCM_t: harga komoditas cabai merah pada waktu t
KCR_t : harga komoditas cabai rawit pada waktu t
KBM_t: harga komoditas bawang merah pada waktu t

ENGLISH :

Vector Autoregressive (VAR) is one of the time series models to forecast data of two or more variables that have interrelated interrelationships. Bootstrap is a data resampling method with returns used to estimate parameters. Resampling of data is aimed to minimize standard error parameters. The Bootstrap sample could contain the same values repeated n times.

The purpose of this study is to determine the result of implementation the VAR model parameters using Bootstrap method on the data of commodity prices of red chili, cayenne pepper, and shallot in Surabaya from January 2004 to December 2006.

The parameter implementation of the VAR model using the Bootstrap method consists of several stages, namely data identification, data stationarity test, optimal lag test, granger causality test, model parameter estimation and model verification.

The results of this study indicate that applying VAR model with Bootstrap method to the commodity price data of red chili, cayenne, and shallot with resampling number B = n, resulting the following models:

KCM_t=0.2376+0.2476〖KCM〗_(t-1)+0.2561KCR_(t-1)+0.2638KBM_(t-1)
KCR_t =0.2384+0.2415〖KCM〗_(t-1)+0.2708KCR_(t-1)+0.2523KBM_(t-1)
KBM_t=0.2507+0.2399〖KCM〗_(t-1)+0.2615KCR_(t-1)+0.2492KBM_(t-1)

with:
KCM_t: commodity prices for red chili at time t
KCR_t : commodity prices of cayenne at time t
KBM_t : commodity prices of shallot at time t