Ekometrika Deret Waktu Bab31
-
Upload
mela-amelia -
Category
Documents
-
view
12 -
download
0
Transcript of 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.
© 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
© Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Trend Linier : kecenderungan data dimana perubahannya berdasarkan
waktu adalah tetap (konstan).
Model estimasi persamaannya: t = waktu
btaYt
© Bambang Juanda & Junaidi: Ekonometrika Deret Waktu
Trend kuadratik: kecenderungan data yang kurvanya berpola
lengkungan (curvature).
Model estimasi persamaannya:
2
210 ttYt
© 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
t
tY )1( 10 )(
01expt
tY
© 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