Model Structural Vector Autoregression (SVAR) dengan menggunakan Structural Decompositions

Di dalam sistem persamaan simultan klasik terdapat hubungan timbal balik atau dua arah antara peubah yang satu dengan peubah yang lain. Hal ini dapat menyebabkan munculnya autokorelasi dan korelasi silang pada model. Untuk dapat mengatasi permasalahan tersebut, digunakan model Vector Autoregression (VAR) yang merupakan model deret waktu berbentuk simultan. Jika model VAR yang terbentuk mempunyai sisaan yang tidak white noise (antar sisaan bebas dengan nilai tengah nol dan ragam konstan), maka perlu dilakukan pemodelan terhadap sisaan tersebut. Model deret waktu multivariat yang sesuai untuk emodelkan sisaan tersebut adalah model Structural Vector Autoregression (SVAR). Untuk mendapatkan model ini, perlu dilakukan Structural Decompositions agar dapat diperoleh model Structural VAR. Structural Decompositions merupakan metode yang digunakan untuk mendapatkan model dari sisaan peubah melalui matriks varian kovarian. Dalam penelitian ini digunakan data sekunder tentang Harga minyak dan Konsumsi Minyak di Amerika Serikat. Berdasarkan data tersebut diperoleh model SVAR(3) dan dapat disimpulkan bahwa harga minyak di Amerika Serikat dipengaruhi oleh harga minyak Amerika Serikat sampai dengan 4 bulan yang lalu, juga dipengaruhi oleh banyaknya konsumsi minyak sampai dengan 4 bulan yang lalu. Sedangkan konsumsi minyak Amerika Serikat dipengaruhi oleh harga minyak Amerika Serikat pada bulan lalu, 2 bulan lalu, 3 bulan lalu dan 4 bulan lalu. Selain itu, juga dipengaruhi oleh banyaknya konsumsi minyak sampai dengan 4 bulan yang lalu. Dari model tersebut dapat diketahui pula bahwa sisaan dari model tersebut mempunyai pengaruh sebesar 0,023526 u 1 bagi sisaan pertama dan 1859,673e 1 – 438,8613u 2 bagi sisaan kedua