TIME SERIES DAN STASIONERITAS

Presentasi berjudul: "TIME SERIES DAN STASIONERITAS"— Transcript presentasi:

1 TIME SERIES DAN STASIONERITAS

2 Time Series Beberapa hal yang perlu diperhatikan dalam mengolah data time series : Didasarkan pada asumsi stasioneritas Bila asumsi stasioneritas tidak terpenuhi, menyebabkan timbulnya masalah autokorelasi Regresi dengan nilai R2 tinggi lebih dari 0,9 menunjukkan hubungan yang tidak signifikan atau spurious regression Adanya fenomena random walk. Misal : harga saham besok sama dengan harga saham saat ini ditambah error yang random Regresi dengan data time series seringkali digunakan untuk forecasting. Pengujian untuk stasioneritas dilakukan sebelum uji kausalitas

3 Pendahuluan Metode time series menjadi pilihan yang lebih efisien dan murah untuk menghasilkan forecast yang akurat Stasioneritas terkait dengan konsistensi pergerakan data time series. Data yang stasioner jika nilai rata-rata dan varian konstan sepanjang waktu diikuti nilai varian antar dua periode hanya tergantung pada jarak

4 Lanjutan ….. Data yang stasioner akan bergerak stabil dan konvergen di sekitar nilai rata-rata dengan deviasi yang kecil tanpa pergerakan tren positif atau negatif. Data tidak stasioner menghasilkan regresi palsu (spurious regression) Uji kointegrasi merupakan uji awal untuk menghindari spurious regression

5 Lanjutan……….. Kointegrasi merupakan hubungan jangka panjang antar variabel yang tidak stasioner dan menghasilkan kombinasi linier sehingga tercipta kondisi yang stasioner atau dalam jangka panjang mencapai kondisi keseimbangan Error Correction Model (ECM) model dinamis untuk mengkoreksi persamaan regresi variabel yang tidak stasioner agar kembali pada kondisi keseimbangan dalam jangka panjang dengan syarat adanya keberadaan hubungan kointegrasi antar variabel.

6 Uji Stasioneritas Analisis secara grafis - Deviasi pergerakan data
- Keberadaan tren Tidak stasioner : kecenderungan deviasi yang semakin menjauhi rata-rata dan memiliki tren tertentu Autocorrelation Function (ACF) dan Correlogram Indikasi tidak stasioner : - Grafik Correlogram AC (Autocorrelation) dan Partial Autocorrelation (PAC) melewati nilai batas - Nilai statistik AC dan PAC diatas 0,5 - Probabilita Q-stat berada di bawah 0,1

7 Lanjutan Uji Akar-akar Unit (Unit root test)
Konsep stasioneritas dapat ditunjukkan dengan model autoregressive sebagai berikut: Dimana atau white noise dengan rata-rata nol. Nilai α < 1, variasi Yt kecil maka Yt akan berfluktuasi di sekitar rata-ratanya dan variabel Yt dikatakan stasioner. Bila α = 0 atau random walk, Yt menjadi sangat berfluktuasi dan pengaruh syok melalui et terhadap Yt merupakan efek yang permanen dan dikatakan variabel Yt tidak stasioner.