Abstract:
Curah hujan dan suhu merupakan suatu unsur iklim yang sangat penting bagi kehidupan di bumi. Metode Vector Autoregression (VAR) adalah salah satu analisis yang digunakan untuk menganalisis data deret waktu. Data deret waktu dikategorikan menurut interval waktu yang sama, baik dalam harian, mingguan, bulanan, kuartalan, maupun tahunan. Vector Autoregression merupakan pemodelan yang tidak perlu menentukan variabel endogen dan variabel eksogen. Tujuan penelitian ini adalah untuk mengetahui model signifikan dalam VAR. Metode penelitian bersifat studi literatur, yaitu mengumpulkan referensi yang berkaitan dengan curah hujan. Data yang digunakan dalam penelitian ini adalah data curah hujan bulanan yang berjumlah 72 bulan dari Januari 2009 hingga Desember 2014. Uji stasioneritas dalam penelitian ini menggunakan metode Augmented Dickey Fuller (ADF). Dalam penelitian ini menggunakan proses differencing terhadap data karena data tidak stasioner pada level. Penentuan panjang lag optimal diperoleh dari nilai Akaike Information criterion (AIC). Estimasi model VAR diperoleh setelah penentuan panjang lag optimal. Uji kausalitas dilakukan dengan uji Causality Granger untuk melihat pengaruh timbal balik antar variabel yang diuji. Ordinary least square (OLS) dilakukan untuk melihat bentuk model VAR. Selanjutnya dilakukan uji asumsi klasik untuk melihat kesesuaian model VAR. Adapun hasil analisis yang diperoleh menunjukkan model VAR signifikan pada model VAR(3). Model curah hujan dengan VAR(3) yang didapat adalah
D(AMT)=2,897072-?0,345410D(TanahBumbu)?_(t-1)-?0,356678D(Tapin)?_(t-2).
Kata kunci: VAR, Stasioner, ADF, AIC, OLS
