PEMODELAN TERBAIK DAN PERAMALAN TINGKAT SUKU BUNGA SPN 3 BULAN

Authors

DOI:

https://doi.org/10.31685/kek.v1i3.202

Keywords:

APBN, pemulusan exponential, spline, moving average, SPN 3 bulan, Spread dengan SUN 1 tahun.

Abstract

Salah satu asumsi dasar ekonomi makro yang masih mengalami kendala dalam pengembangan perangkat analisis model ekonomi yang akurat adalah suku bunga Surat Perbendaharaan Negara (SPN) 3 bulan. Hal ini terutama disebabkan periode data yang tidak teratur karena didasarkan kepada rata-rata yield yang dimenangkan dalam lelang yang dilaksanakan pada periode-periode tertentu. Penelitian ini bertujuan untuk memperoleh model proyeksi tingkat suku bunga SPN 3 bulan dengan memperbandingkan beberapa metode deret waktu yaitu pemulusan spline, pemulusan exponential dan pemulusan moving average, serta pemodelan regresi dengan menggunakan spread dengan yield Surat Utang Negara (SUN) 1 tahun. Hasil dari penelitian ini memperlihatkan bahwa metode yang mendekati kondisi riil adalah metode pemulusan spline dan regresi dengan SUN 1 tahun, dimana pemulusan spline lebih baik untuk proyeksi jangka pendek dan regresi dengan SUN 1 tahun lebih baik untuk proyeksi jangka menengah.

Author Biography

  • Fadhlul Mubarak, Bogor Agricultural University
    Joint Research between Applied Statistics of Bogor Agricultural University and Directorate General of Fiscal Balance Indonesia.

References

BKF. (2012). Laporan Tim Koordinasi Penyusunan Asumsi dasar RAPBN 2013.

Chambers, J. M., & Hastie, T. (1992). Statistical Models in S: Wadsworth & Brooks/Cole Advanced Books & Software.

Cox, J. C., Ingersoll, J., Jonathan E. , & Ross, S. A. (1985). A Theory of the Term Structure of Interest Rates. Econometrica, 53(2), 385-407.

Diebold, F. X., & Li, C. (2006). Forecasting the term structure of government bond yields. Journal of Econometrics, 130(2), 337-364. doi:10.1016/j.jeconom.2005.03.005

Feldstein, M., & Eckstein, O. (1970). The Fundamental Determinants of the Interest Rates. The Review of Economics and Statistics, 52(4), 363-375.

Givens, G. H. & Hoeting, J. A. (2013). Computational Statistics. Ed. ke-2. New Jersey: John Wiley & Sons, Inc.

Kemenkeu. (2017). Kerangka Ekonomi Makro dan Pokok-Pokok Kebijakan Fiskal Tahun 2018.

Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2008). Introduction to Time Series Analysis and Forecasting. Canada: John Wiley & Sons, Inc.

R Core Team. (2017). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/

Rawlings, J. O., Pantula, S. G., & Dickey, D. A. (1998). Applied Regression Analysis. New York: Springer.

Wei, W. W. S. (2006). Time Series Analysis: Univariate and Multivariate Methods. California: Pearson Education, Inc.

Downloads

Published

2017-12-31

Issue

Section

Articles