UJIAN TENGAH SEMESTER GANJIL 2020/2021

NAMA : MEITA AYU TRISNASARI

NIM : 041811133091

KELAS : B

FILE A

SOAL 1

a) Tentukan variabel mana saja dalam model di atas yang tergolong sebagai
variabel endogen dan variabel eksogen!
Jawab:
Variabel endogen = Qt , Pt
Variabel eksogen = Xt , Pt-1

b) Lakukan estimasi terhadap dua persamaan di atas dengan menggunakan

pendekatan OLS dan tuliskan persamaan OLS tersebut!
Jawab:

Estimasi model 1:

Estimasi model 2:
Persamaan:

Demand Function : Qt = 49.5271 - 0.1361 Pt + 0.2548 Pt-1 + 0.0018 Xt

SE = (6.7633) (0.07971) (0.0795) (0.0001)

P(t) = (0.000) (0.100) (0.004) (0.000)

R square = 0.9543

Supply Function : Qt = 20.8901 + 0.6725 Pt

SE = (23.0396) (0.2246)

P(t) = (0.372) (0.006)

R square = 0.2425

c) Jika dua model di atas diestimasi menggunakan pendekatan OLS, apakah hasil
estimasinya dapat dipercaya? Jika tidak mengapa?
Jawab:
Persamaan 1:

Persamaan 2:

Dengan menggunakan tes heteroskedastisitas maka dapat diperoleh nilai pob>chi2

sebesar 0.1704 dan 0.8929 yang lebih besar dari α = 0.05, maka Ho ditolak artinya tidak
terdapat heteroskedastisitas pada kedua model tersebut dan menunjukkan bahwa kedua
model tersebut bukan BLUE (Best Linier Unbiased Estimation). Selain itu, korelasi
antara endogen dan error term tidak bernilai nol, melainkan positif. Sehingga, tidak
dapat dipercaya.
d) Tuliskan bentuk structural (structural equation) dan persamaan reduced-form
dari dua persamaan di atas!
Jawab:

Structural equation:
Qt = α0 + α1Pt + α2Pt-1 + α3Xt + u1t
Qt = β0 + β1Pt + u2t

Reduced Form :
Qt = α0 + α1Pt-1 + α2Xt + vt
Pt = β0 + β1Pt-1 + β2Xt + wt

e) Berdasarkan order condition apakah persamaan di atas dapat diidentifikasi?

Jawab:
- Persamaan 1
K-k=3-2=1
m-1=2-1=1
Maka termasuk just identified.
- Persamaan 2
K-k=3-0=3
m-1=2-1=1
Maka termasuk over identified, dapat diidentifikasi menggunakan TSLS.

f) Dengan menggunakan data tersebut, lakukan estimasi parameter pada

persamaan yang dapat diidentifikasi, metode apa yang tepat untuk mengestimasi
persamaan tersebut? Jelaskan!
Jawab:
 Interpretasinya:
Kenaikan $1 dari P akan menaikkan Q sebesar $1,39, dengan asumsi variable lain
konstan.

g) Lakukan test simultaneity pada persamaan Supply Function, apakah variabel

Qt pada persamaan tersebut merupakan variabel endogen?
Jawab:

Probabilitas residual adalah 0,594

Probabilitas > α, sehingga persamaan tersebut bukan persamaan simultan atau variable
tersebut bukan merupakan variable endogen.

SOAL 2
a) Jelaskan prosedur peramalan data time series menggunakan metode ARIMA!
Jawab:
1. Identifikasi
Dilakukan untuk mengidentifikasi apakah model tersebut sudah
stasioner atau belum (menentukan nilai d); menentukan nilai lag residual
(q) dengan ACF; menentukan nilai lag dependen (p) dengan PACF; serta
menentukan kombinasi-kombinasi dari model ARIMA yang terbentuk.
2. Estimasi
 Setelah diperoleh beberapa model sementara, maka langkah selanjutnya
adalah mencari estimasi untuk parameter-parameter dalam model itu.
Estimasi dapat dilakukan dengan metode OLS atau estimasi nonlinier
3. Diagnostic Checking
Dilakukan untu memeriksa apakah model ARIMA yang diestimasi
sudah cocok dengan data yang ada. Diagnostic checking didasarkan
pada analisis residual. Satu pengujian mendasar yang dapat dilakukan
pada model yang sudah dipilih adalah untuk melihat estimasi residual
dari model ini adalah white noise. Apabila residual white noise, maka
dapat dilakukan forecasting. Namun, bila tidak white noise, maka harus
mencari model ARIMA lagi.
4. Forecasting
Setelah ditemukan model ARIMA yang cocok, maka dapat dilakukan
forecasting dengan menggunakan model yang memenuhi asumsi-
asumsi di atas.

b) Berdasarkan identifikasi dengan metodologi Box-Jenkin, tentukan AR (p),

Integrated (d), dan MA (q)! Bagaimanakah kombinasi model yang terbentuk?
Jawab:
Berikut adalah hasil yang didapatkan dari aplikasi stata :
20
10
0
RET
-10
-20
-30

2005m1 2010m1 2015m1 2020m1

month

Integrated (d) = 0, karena berdasarkan grafik sudah stasioner.

Autoregressive (p) = 1 dan 3

ARIMA (1, 0, 0)

ARIMA (1, 0, 0)

ARIMA (3, 0, 0)

ARIMA (3, 0, 0)
MA (q) = 1 dan 3

ARIMA (1, 0, 1)

ARIMA (1, 0, 3)

ARIMA (3, 0, 1)

ARIMA (3, 0, 3)

c) Tuliskan model ARIMA terbaik berdasarkan tahap diagnostic checking!

Apakah residual dari model ARIMA terpilih memenuhi asumsi white noise?
jelaskan !
Jawab:

Model yang terpilih adalah ARIMA (1, 0, 1) karena paling signifikan diantara
yang lain, dilihat dari p value < α. Uji white noise
H0: error white noise
H1: error tidak white noise : 5%
Prob > chi2(40) = 0.8990
P value > 𝛼 (H0 diterima)
Kesimpulan : H0 diterima berarti error memenuhi white noise.

d) Berapakah nilai return saham pada 3 bulan kedepan? Buat grafik antara
nilai return saham actual dan return saham forecasting, apakah hasil
forecast mendekati keadaan yang sebenarnya?
Jawab:
1 bulan ke depan = 0.0272657
2 bulan ke depan = 1.468923
3 bulan ke depan = 1.148714
Berdasarkan grafik, hasil forecasting berada di sekitaran RET yang sebenarnya.