KONSEP-KONSEP DASAR TIME SERIES - PowerPoint PPT Presentation

konsep konsep dasar time series n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
KONSEP-KONSEP DASAR TIME SERIES PowerPoint Presentation
Download Presentation
KONSEP-KONSEP DASAR TIME SERIES

play fullscreen
1 / 22
KONSEP-KONSEP DASAR TIME SERIES
251 Views
Download Presentation
morgan
Download Presentation

KONSEP-KONSEP DASAR TIME SERIES

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. KONSEP-KONSEP DASAR TIME SERIES OLEH: FITRI KARTIASIH, S.ST, S.E, M.Si Pertemuan 1 - Time Series SEKOLAH TINGGI ILMU STATISTIK

  2. Silabus

  3. Text book • Enders, Walter. “Applied Econometric Time Series”, 2nd ed., Wiley, America, 2004

  4. Data

  5. Jenis Data-1 Data Cross-Section • Adalah nilai variabel yang dikumpulkan pada satu periode waktu yang sama dari beberapa individu • Individu bisa berupa negara, daerah, perusahaan atau perorangan dan lain sebagainya. • Sebagai contoh adalah data makroekonomi seluruh propinsi di Indonesia pada tahun 1998.

  6. Jenis Data-2 Data Time Series • Adalah nilai variabel dari suatu individu yang disusun menurut urutan waktu • Data time seris bisa berupa data harian, mingguan, bulanan, triwulanan maupun tahunan dan lain sebagainya. • Sebagai contoh adalah data makroekonomi Indonesia dari tahun 1993 sampai dengan tahun 2008 • Misalnya berupa data: household consumption (HHC), private consumption (PC), government consumption (GC), investment (I), saving (S), export (X), import (M), produk domestik bruto (PDB), dan sebagainya.

  7. Jenis Data-3 Data Panel • Adalahgabungan time series dan cross-section data. • Mencakupbanyakindividu (negara, provisi, perusahaan, household dll) selamarentangwaktutertentu. • Sebagaicontohnyaadalah data makroekonomiseluruhpropinsi di Indonesia daritahun 1993 sampaitahun 2008. • Misalnya, household consumption (HHC), private consumption (PC), government consumption (GC), investment (I), saving (S), export (X), import (M), produkdomestikbruto regional (PDBR), price ratio (PR) untuksemuapropinsi di Indonesia, daritahun 1993 – 2008.

  8. DATA Cross Section Time Series Panel Data Univariate Multivariate Pooled Fixed-Effect Random-Effect Correlation Multiple Regression Granger Causality VAR SVAR V(ECM), GMM Correlation Regression Multivariate Analysis Regression AR, MA ARMA ARIMA (G)ARCH

  9. Model

  10. Introduction • Time series adalahsuatuhimpunanpengamatan yang dibangunsecaraberurutandalamwaktu. Waktuatauperiode yang dibutuhkanuntukmelakukansuatuperamalanitubiasanyadisebutsebagai lead time yang bervariasipadatiappersoalan.  • Berdasarkanhimpunanpengamatan yang tersediamaka time series dikatakankontinujikahimpunanpengamatantersebutadalahkontinudandikatakandiskritbilahimpunanpengatamatantersebutjugadiskrit.

  11. Pola Data Time Series

  12. Pola data time series • Trend,Yaitukomponenjangkapanjang yang mendasaripertumbuhan (ataupenurunan) suatu data runtutwaktu. Merupakanpergerakanmeningkatataumenurun. Contoh: jumalhpenggunaseluler yang terusbertambah. • Cyclical,yaitusuatupoladalam data yang terjadisetiapbeberapatahun. fluktuasiatausiklusdari data runtutwaktuakibatperubahankondisiekonomi • Seasonal, yaitupola data yang berulangpadakurunwaktutertentu. fluktuasimusiman yang seringdijumpaipada data kuartalan,bulananataumingguan. Contoh: menjelanglebaranjumlahpermintaanuangnaik, penjualanpakaianmeningkat • Irregular, yaitupolaacak yang disebabkanolehperistiwa yang tidakbisadiprediksiatautidakberaturan.

  13. Konsepdasar time series

  14. ProsesDeterministik : jika dari pengalaman yang lalu keadaan yang akan datang dari suatu barisan kejadian dapat diramalkan secara pasti, maka barisan kejadian itu dinamakan deterministik • ProsesStokastik :   jikapengalaman yang laluhanyadapatmenyajikanstrukturpeluangkeadaan yang akandatang, makabarisankejadian yang demikiandisebutstokastik. Hull, 1989 setiapnilai yang berubahterhadapwaktudengancara yang tidaktertentu (dalamketidakpastian) dikatakanmengikutiprosesstokastik.

  15. Stasioner Data timeseries dikatakan stasioner jika rata–rata, varian dan covarian dari variabel–variabel tersebut seluruhnya tidak dipengaruhi oleh waktuataudengan kata lain konstan. Untuk menjelaskan pernyataan di atas, maka dapat dijelaskan sebagai berikut: Rata-rata: E(Yt) =  = konstan(1) Varian:Var (Yt) = E(Yt - )2 = 2= konstan(2) Covarian: cov (Yt, Yt-k) =E[(Yt - )(Yt-k - )] = k =konstan(3)

  16. Stasioner • Non Stationary process E[Yt] = µt Var[Yt] = 2t • White noise process E[Yt] = 0 Var[Yt] = 2

  17. Umumnyadata time series tidakstasioner • Regresidenganmenggunakan data yang tidakstasionerakanmenyebabkanspurious regression (ditandaidengannilai R2 yang tinggidant-stat, F-stat yang signifikantetapidwrelatifkecil < 0.5) • Regresikelihatan “bagus” tetapisebetulnyatidak.

  18. Karakteristik data time series yang stasioner dan tidak stasioner Data pada level (unit atau log) relatif tidak Stasioner Data pada first difference (unit atau log) relatif akan stasioner

  19. Pengujian Kestasioneran data • Correlogram • DF-ADF test • Phillips-Perron • The Kwiatkowski, Phillips, Schmidt, and Shin (KPSS) Test • Elliot, Rothenberg, and Stock Point Optimal (ERS) Test • Ng and Perron (NP) Tests Jika data tidakstasionermakaharusdistasionerkanterlebihdahulu, salahsatucaranyaadalahdenganmelakukanpembedaaan (differencing)

  20. Asumsi time series • White noise residual  tidakadaautokorelasi  diujidenganDurbin Watson • Residual berdistribusi normal • Residual tidak heteroskedastis

  21. Kegunaan time series data :