Modelling Inflation Sectors in Indonesia Using Vector Autoregressive (VAR)

  • Alan Prahutama Departemen Statistika Universitas Diponegoro
  • S. Suparti Departemen Statistika Universitas Diponegoro
  • Dwi Ispriyanti Departemen Statistika Universitas Diponegoro
  • Tiani Wahyu Utami Prodi Statistika Universitas Muhammadiyah Semarang

Abstract

Analisis time series dapat dibagi menjadi dua yaitu analisis time series univariat dan analisis time series multivariat. Analisis time series univariat salah satunya menggunakan ARIMA, sedangkan analisis time series multivariat dapat menggunakan VAR. VAR merupakan pemodelan persamaan simultan yang memiliki beberapa variabel endogen secara bersamaan. Asumsi dalam model VAR antara lain terjadi kausalitas antar variabel (kausalitas Granger), residual white noise dan berdistribusi normal multivariat. Pada paper ini, metode VAR diimplementasikan dalam memodelkan sektor-sektor Inflasi di Indonesia. Adapun sektor-sektor tersebut antara lain sektor makanan (Y1t),Sektor Makanan Jadi, Minuman, Rokok dan Tembakau (Y2), Sektor perumahan, listrik, air, gas dan bahan bakar (Y3), Sektor Sandang (Y4), Sektor Kesehatan (Y5), Sektor Pendidikan dan Olahraga (Y6), Sektor Transportasi, Komunikasi dan Jasa Keuangan (Y7). Hasilnya adalah tidak semua variabel sektor inflasi berpengaruh terhadap sektor lainnya. Hanya beberapa variabel yang berpengaruh terhadap suatu sektor. Asumsi kausalitas Granger tidak semua dipenuhi oleh semua variabel. Begitu juga dengan normal multivariat juga tidak terpenuhi. Akan tetapi residual model sudah white noise.
Keywords: vector autoregressive model, sectors of inflation, Granger Causality.

References

Correa U, Riberio BPVB, Carvalho FM, Benedicto GC, Correa EA, and Correa BWA. 2017. Chicken Price Transmission Elasticity in Sao Paulo State Market. Holos. 8: 76-89.

Desvina AP dan Julliana MD. 2016. Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (VAR) di Provinsi Riau. Jurnal Sains, Teknologi, dan Industri. Vol. 13 No. 2: 160-167.

Farnoosh R, Hajebi M, and Mortazavi SJ. 2017. A Semiparametric Estimatin for the Nonlinier Vector Autoregressive Time Series Model. Application and Applied Mathematics. 12: 78-97.

Fujita A, Sato JR, Garay HM, Malpartida, Yamaguchi R, Miyano S, Sogayar MC, and Ferreira CE. 2007. Modelling gene expression regulatory networks with the sparse vector autoregressive model. BMC Systems Biology. 1:39, 1-11.

Gujarati DN. 2003. Ekonometrika Dasar: Terjemahan. Jakarta. Green HW. 2000. Econometric Analysis 4th Edition. New Jersey: Prentice Hall Inc.

Kumar BP and Supriya MV. 2014. Evidance on Hedging effectiveness in Indian Derivatives Market. Asia-Pacific Finan Markets. 21: 121-131.

Orpia CB, Mapa DS and Orpia JC. 2014. Time series Analysis using Vector Autoregressive Model of Wind Speeds in Bangui Bay and Selected Weaher Variables in Laoag City, Philippines. Journal of Environmental Management and Tourism. Vol.5 , 1(9): 54-65.

Nasution YSJ. 2015. Analisis Vector Autoregression (VAR) terhadap hubungan antara BI Rate dan Inflasi. At-Tijaroh, Vol.5, No.2: 80-104.

Zhao X and Chen X. 2015.Auto Regressive And Ensamble Empirical Mode Decomposition Hybrid Model for Annual Runoff Forecasting. Water Resource Manage. 29: 2913 -2926.
Published
2019-01-22
How to Cite
PRAHUTAMA, Alan et al. Modelling Inflation Sectors in Indonesia Using Vector Autoregressive (VAR). Jurnal ILMU DASAR, [S.l.], v. 20, n. 1, p. 47-52, jan. 2019. ISSN 2442-5613. Available at: <https://jurnal.unej.ac.id/index.php/JID/article/view/7259>. Date accessed: 16 dec. 2019. doi: https://doi.org/10.19184/jid.v20i1.7259.
Section
General