Ekometrika Deret Waktu Bab31

(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.


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.


Trend Linier : kecenderungan data dimana perubahannya berdasarkan

waktu adalah tetap (konstan).

Model estimasi persamaannya: t = waktu

btaYt


Trend kuadratik: kecenderungan data yang kurvanya berpola

lengkungan (curvature).

Model estimasi persamaannya:

2

210 ttYt


Trend eksponensial: kecenderungan data di mana perubahannya

semakin lama semakin bertambah secara eksponensial

Model estimasi persamaannya:

peubah diskrit peubah kontinyu

t

tY )1( 10 )(

01expt

tY


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


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)


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


Contoh Output Model Trend Linier dari SPSS

Contoh Output Grafik Trend dari SPSS


Ekometrika Deret Waktu Bab31

Documents

Transcript of Ekometrika Deret Waktu Bab31