Model VAR memiliki pengembangan atau bentuk lain yang disebut dengan VARX. Metode ini merupakan singkatan dari vector autoregressive with exogenous. Istilah ini termasuk sebuah model peramalan yang digunakan untuk mengetahui hubungan satu variabel dengan variabel lainnya.
Untuk model VARX ini terdapat proses pengembangan dengan menggunakan input X di mana x merupakan variabel eksogen. Salah satu bagian dari variabel eksogen ialah variasi kalender dimana model tersebut termasuk model multivariat time series yang dapat menangkap efek variasi tersebut.
Metode ini dapat diterapkan dan diimplementasikan terhadap model GSTAR atau Generalized Space Time Autoregressive yang merupakan salah satu model yang bisa digunakan untuk mengatasi data deret dalam waktu dan lokasi. Metode VARX pada model GSTAR bersifat lebih fleksibel sebagai bentuk generalisasi model STAR yang tidak mensyaratkan bahwa nilai-nilai parameter sama untuk semua lokasi.
Deskripsi
Model tersebut tidak memiliki asumsi untuk dapat digunakan pada studi kasus menggunakan data kumulatif. Penerapan metode ini menggunakan runtun waktu yang multivariat untuk mencari model dan hubungan yang bersifat dinamis antara variabel endogen dengan eksogen. Implementasinya lebih banyak digunakan pada data yang berjumlah banyak.
GSTAR ini termasuk ke dalam model space time yang dapat digunakan untuk memodelkan dan meramalkan data deret waktu dan lokasi yang pada prinsipnya hampir mirip dengan metode VARX. Itulah mengapa terdapat penerapan metode VARX pada model GSTAR karena terdapat penggunaan waktu dan lokasi untuk proses analisisnya. Contohnya dapat digambarkan sebagai berikut.
Model tersebut mengasumsikan variansi dari error bersifat konstan atau homoskedastis. Hal tersebut kurang tepat untuk digunakan pada data deret waktu finansial seperti inflasi atau saham yang memperlihatkan variansi yang berubah terhadap waktu. Maka dipilihlah beberapa model runtun waktu yang dinamakan dengan autoregresif.
Manfaat
Metode VARX pada model GSTAR ini sangat bermanfaat untuk memodelkan beberapa jenis kondisi terutama yang berhubungan dengan model runtun waktu. Runtun waktu yang dimaksud bisa berupa harian, mingguan, bulanan bahkan mencapai tahunan. Syarat utamanya tentu ada pada penggunaan data dan juga runtunan waktu yang terukur.
Penerapan metode tersebut dapat menyelesaikan studi kasus dengan data yang bersifat kumulatif. Berbagai data yang memiliki jumlah cukup banyak dan kompleks dapat terselesaikan dengan menggunakan perpaduan metode tersebut. Hal tersebut bisa lebih terselesaikan jika diselesaikan dengan runtun waktu yang sesuai.
Menariknya berbagai data yang bersifat variatif dan terdiri dari beberapa jenis bisa menggunakan metode tersebut sehingga penyelesaian dengan runtun waktu yang baik bisa sangat jelas dan terukur. Hal tersebut sangat penting untuk dipelajari agar bisa menyelesaikan analisa dan penelitian tertentu.
Metode VARX pada model GSTAR pada dasarnya dapat digunakan untuk analisis dan penelitian dengan penggunaan data tertentu. Hal tersebut harus menggunakan runtun waktu yang pasti dengan metode dan sistem yang terukur.
Komentar Terbaru