(Guru Besar pada Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor) Lektor pada Fakultas Ekonomi Universitas Jambi © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

Setelah mengikuti pembahasan pada bab ini, pembaca dapat :  Memahami komponen data deret waktu.  Memahami analisis trend dan pemilihan trend yang sesuai dengan data deret waktu  Memahami metode pemulusan dan peramalan data deret waktu menggunakan teknik rata-rata bergerak  Menginterprestasikan output program Eviews untuk analisis trend dan peramalan data deret waktu. © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Empat komponen model deret waktu klasik: Trend (T), Siklus (C), Variasi Musim (S), dan faktor acak ( I).  Trend : kecenderungan jangka panjang peubah deret waktu.  Siklus: pergerakan disekitar rata-rata nilai peubah time series, di atas atau di bawah trend jangka panjang.  Variasi Musiman: menunjukkan puncak & lembah seperti pada siklus, tetapi lamanya satu tahun atau kurang.  Faktor Acak: gerakan yg berbeda tapi dlm waktu yg singkat, tidak diketahui dgn pola yg teratur dan tidak dpt diperkirakan. © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Trend Linier : kecenderungan data dimana perubahannya berdasarkan waktu adalah tetap (konstan).  Model estimasi persamaannya: t = waktu © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Trend kuadratik : kecenderungan data yang kurvanya berpola lengkungan (curvature).  Model estimasi persamaannya: © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Trend eksponensial : kecenderungan data di mana perubahannya semakin lama semakin bertambah secara eksponensial  Model estimasi persamaannya: peubah diskrit peubah kontinyu © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Trend yg cocok akan memberikan kesalahan yang paling minimal.  Dapat digunakan kriteria antara lain dengan Standar Error of Estimation (SEE) atau R-square atau Adj.R-square © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Rata-rata bergerak adalah pemulus (smoothers) yg secara sistematik mengurangi noise dlm observasi, sehingga pola data lebih mudah diketahui.  Dengan mengetahui pola data, maka nilai akan datang dapat diprediksi atau diramalkan.  Dua metode moving average: (1) Simple moving average (proses konstan) (2) Double moving average (proses mengikuti trend linier) © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Klik Analyze > Regression > Curve Estimation.  Selanjutnya klik Save, akan muncul tampilan berikut : Masukkan peubah terikat kedalam kotak Dependent(s). Pada pilihan Independent, klik Time Pilih Models. Centang Display ANOVA table. Pada Save Variables, centang pilihan Predicted values dan Residual. Klik Continue dan OK. Akan muncul output Model Trend © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu

 Contoh Output Model Trend Linier dari SPSS  Contoh Output Grafik Trend dari SPSS © Bambang Juanda & Junaidi: Ekonometrika Deret Waktu