Page 11 - Working Paper (Metode dan Teknik Proyeksi Penerimaan Pajak: Panduan dan Aplikasi)

Langkah selanjutnya adalah dengan uji lag (lag-length) untuk melihat lag yang paling optimal untuk
dilakukannya model analisa Vector Autoregressive (VAR). Hasil dari pengujian lag-length untuk model
VAR yang direkomendasikan STATA 15 adalah sebagai berikut.
Tabel 5 - Hasil Uji Lag Length untuk Model VAR
Variabel Lag yang optimal
(D2)PDB_g 4
(D2)Kurs 2
(D2)Inf 3
(D2)Imp 1
Gabungan 2
Sumber : Dikalkulasi Tim Penulis.

Dikarenakan semua variabel yang terlibat sudah terkonversi kedalam bentuk second difference (I(2))
atau yang biasa dinamakan difference of difference (DOD), maka hasil regresi yang didapat masih perlu
untuk dikonversikan kedalam bentuk semula, yaitu dengan menggunakan metode perhitungan
seperti yang tertera berikut.
= − 2 −1 + −2 (1)

− 2 −1 + −2 = (2)

+1 − 2 + −1 = +1 (3)

�
�
+1 = +1 + 2 − −1 (4)

Formula DOD ditunjukkan pada persamaan pertama (1). Kemudian apabila ingin menemukan bentuk
estimasinya maka dikonversi menjadi persamaan keempat (4). Dengan perhitungan tersebut, maka
kita akan dapat menemukan estimasi penerimaan pajak setahun kedepan walaupun masih
menggunakan variabel berbentuk second order.

D. Proyeksi Penerimaan Pajak Berbasis Data Makro

Setelah terhadap data setiap variabel diuji dan dilakukan proses DOD, maka kita dapat masuk ke tahap
dalam proyeksi. Sebagaimana disajikan oleh Tabel 2, Tim Penulis mencoba melakukan implementasi
metode berbasis data univariate, PDB, dan multivariate. Pendekatan berbasis rata-rata tidak
dilakukan karena faktor ketidaktersediaan data.
D.1. Pendekatan Univariate

Dalam pendekatan ini, akan dibahas dua macam model, yaitu Random Walk dan Autoregressive (AR).
Pendekatan dengan model ARIMA tidak dilakukan karena membutuhkan observasi sebanyak 50
tahun sehingga justru meningkatkan keterlibatan informasi yang kurang relevan
37
D.1.1. Model Random Walk

Konsep random walk berpijak pada asumsi bahwa nilai suatu objek pada periode waktu berikutnya
( + 1) yang diprediksi merupakan kelanjutan dari modifikasi nilai objek tersebut pada periode waktu
saat ini ( ).
�
+1 = + +1 (5)

th
37 Christopher Chatfield, The Analysis of Time Series – An Introduction – 5 Edition (London: Chapman and Hall
CRC, 1996).
9