CONTOH BAHAN BELAJAR MENGANALISA DATA TIME SERIES

DARMAWAN SOEGANDAR

1| Contoh bahan belajar data time series

1. Ditanyakan: buatlah model ARIMA terbaik berdasarkan data IHSG tahun 2006-2007 (data di
excel)

Dijawab:
Untuk mendapatkan model ARIMA terbaik terlebih dahulu harus di uji stasioneritas data. Akan di Uji
Stasioneritas

Berdasarkan gambar diatas bisakita ketahui bahwa data tidak stasioner dengan alasan:
a. Grafik otokorelasi pada lag pertama berada di luar garis barlet dan menurun secara
eksponensial
b. Nilai koefisien otokorelasi besar dan menurun secara perlahan
c. Nilai probabilitasn mendekati nol
Oleh karena itu kita akan menggunakan turunan pertama

2| Contoh bahan belajar data time series

Model yang cocok untuk analisis adalah difer ke-1

3| Contoh bahan belajar data time series

Selanjutnya akan di mulai menguji model ARIMA terbaik, untuk keperluan itu di ambil model-model
yang ditentukan berdasarkan garis barlet pada turunan (diferensi) pertama dari data IHSG.
Untuk ARIMA (45,1,45)
d(ihsg) c ar(45) ma(45)
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 01/25/13 Time: 13:49
Sample (adjusted): 3/07/2006 11/23/2007
Included observations: 449 after adjustments
Convergence achieved after 9 iterations
MA Backcast: 1/03/2006 3/06/2006
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(45)
MA(45)

1.466760
-0.671608
0.893205

0.043409
0.033730
0.014449

33.78914
-19.91112
61.81703

0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Inverted AR Roots

Inverted MA Roots

0.202416
0.198840
0.843485
317.3139
-559.1724
56.59454
0.000000
.99-.07i
.93+.34i
.80+.58i
.61-.78i
.37-.92i
.10+.99i
-.17+.98i
-.43-.89i
-.66+.74i
-.84-.53i
-.95+.27i
-.99
1.00-.07i
.94+.34i
.81-.59i
.61-.79i
.37+.92i
.10-.99i
-.17-.98i
-.44-.90i
-.67-.74i
-.85-.53i
-.96+.27i
-1.00

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1.469933
0.942361
2.504109
2.531550
2.514925
2.439226

.99+.07i
.93-.34i
.80-.58i
.61+.78i
.37+.92i
.10-.99i
-.17-.98i
-.43+.89i
-.66-.74i
-.84+.53i
-.95-.27i

.97+.21i
.88-.47i
.71-.69i
.50+.86i
.24+.96i
-.03+.99i
-.31-.94i
-.55+.82i
-.76-.64i
-.91-.40i
-.98+.14i

.97-.21i
.88+.47i
.71+.69i
.50-.86i
.24-.96i
-.03-.99i
-.31+.94i
-.55-.82i
-.76+.64i
-.91+.40i
-.98-.14i

1.00+.07i
.94-.34i
.81+.59i
.61+.79i
.37-.92i
.10+.99i
-.17+.98i
-.44+.90i
-.67+.74i
-.85+.53i
-.96-.27i

.98+.21i
.88+.47i
.72+.69i
.50-.86i
.24+.97i
-.03-1.00i
-.31-.95i
-.56-.83i
-.76+.64i
-.91+.41i
-.99-.14i

.98-.21i
.88-.47i
.72-.69i
.50+.86i
.24-.97i
-.03+1.00i
-.31+.95i
-.56+.83i
-.76-.64i
-.91-.41i
-.99+.14i

4| Contoh bahan belajar data time series

karena < 0,05 maka model ini kita terima dengan r2 = 0,202416
yt = (1- 1) + (1 + 1) yt-1 - 1yt-2 + t + 1 t-1
yt = (1-ARt)c + (1+ARt)yt-1 - Artyt-2 + Mat t
Y45 = 2,451848 + 0,328392y44 + 0,6716y43 + 0,893205 45

Untuk ARIMA (96,1,96)

d(ihsg) c ar(96) ma(96)
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 01/25/13 Time: 13:54
Sample (adjusted): 5/17/2006 11/23/2007
Included observations: 398 after adjustments
Convergence achieved after 8 iterations
MA Backcast: OFF (Roots of MA process too large)
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(96)
MA(96)

1.467088
-0.273170
0.426193

0.047877
0.083005
0.095226

30.64261
-3.291030
4.475574

0.0000
0.0011
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.034408
0.029519
0.931662
342.8578
-535.0594
7.037812
0.000992

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

karena < 0,05 maka model ini kita terima dengan r = 0,034408
yt = (1- 1) + (1 + 1) yt-1 - 1yt-2 + t + 1 t-1
yt = (1-ARt)c + (1+ARt)yt-1 - Artyt-2 + Mat t
Y96 = 1,867852 + 0,72683y95 + 0,273170y94 + 0,426193 96

1.467337
0.945725
2.703816
2.733865
2.715718
2.357690

5| Contoh bahan belajar data time series

Untuk ARIMA (151,1,151)

d(ihsg) c ar(151) ma(151)
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 01/25/13 Time: 13:58
Sample (adjusted): 8/02/2006 11/23/2007
Included observations: 343 after adjustments
Convergence achieved after 9 iterations
MA Backcast: OFF (Roots of MA process too large)
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(151)
MA(151)

1.474742
0.390905
-0.511414

0.059542
0.060711
0.094143

24.76815
6.438768
-5.432286

0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.098326
0.093022
0.905954
279.0562
-451.3125
18.53829
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1.472303
0.951279
2.649052
2.682619
2.662423
2.374547

karena < 0,05 maka model ini kita terima dengan r2 = 0,098326
yt = (1-ARt)c + (1+ARt)yt-1 - Artyt-2 + Mat t
y151 = 0,898258+ 1,390905y150 - 0,390905y149 0,511414 151

Untuk ARIMA (181,1,181)

d(ihsg) c ar(181) ma(181)
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 01/25/13 Time: 14:02
Sample (adjusted): 9/13/2006 11/23/2007
Included observations: 313 after adjustments
Convergence achieved after 6 iterations
MA Backcast: OFF (Roots of MA process too large)
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
AR(181)
MA(181)

1.462293
0.193471
-0.432598

0.053192
0.064764
0.102587

27.49086
2.987338
-4.216881

0.0000
0.0030
0.0000

6| Contoh bahan belajar data time series

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.044791
0.038628
0.911825
257.7417
-413.7283
7.268142
0.000823

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1.463259
0.929963
2.662801
2.698707
2.677150
2.348361

karena < 0,05 maka model ini kita terima dengan r2 = 0,044791

yt = (1-ARt)c + (1+ARt)yt-1 - Artyt-2 + Mat t

y181 = 1,179382 + 1,193471y180 0,193471y179 0,432598 181

Pertanyaan berikutnya adalah model manakah yang terbaik?

1.
2.
3.
4.

Y45 = 2,451848 + 0,328392y44 + 0,6716y43 + 0,893205 45

Y96 = 1,867852 + 0,72683y95 + 0,273170y94 + 0,426193 96
y151 = 0,898258+ 1,390905y150 - 0,390905y149 0,511414 151
y181 = 1,179382 + 1,193471y180 0,193471y179 0,432598 181

untuk keperluan itu kita harus mencek kriteria AIC (akaike info criterion) dan SIC (Schwarz criterion), dari
model ARIMA (7,1,7) ; ARIMA (24,1,24) ; dan ARIMA (25,1,25).
MODEL
ARIMA (45,1,45)

2.504109

AIC
2.531550

SIC

ARIMA (96,1,96)

2.703816

2.733865

ARIMA (151,1,151)
ARIMA (181,1,181)

2.649052
2.662801

2.682619
2.698707

KESIMPULAN
AIC dan SIC model
ARIMA (45,1,45)
terkecil sehingga model
ini adalah model yang
paling baik.

Sehingga diputuskan model ARIMA (45,1,45): Y45 = 2,451848 + 0,328392y44 + 0,6716y43 + 0,893205 45
adalah model yang kita pilih. Dengan r-square 0,202416.

7| Contoh bahan belajar data time series

2. Ditanyakan: berdasarkan data 2 (data di excel), dimana variable dependennya adalah IHSG,
sedangkan varaiabel independennya Kurs USD/Rp; BI Rate; dan Kurs Euro/Rp.
a. Lakukan uji asumsi klasik
b. Lakukan regresi linier secara parsial
c. Lakukan regresi linier secara simultan
Buatlah dintrepretasi dari masing-masing uji tersebut.
a. Akan dilakukan uji klasik pada masing-masing data
test normalitas residu

120

Series: Residuals
Sample 1/02/2006 11/23/2007
Observations 495

100

80

60

40

20

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

6.57e-13
-4.810600
548.4917
-498.6549
142.6522
0.148389
3.986885

Jarque-Bera
Probability

21.90414
0.000018

0
-400

-200

200

400

Syarat normalitas j-Bera > 2 dan >0,05

Hasil analisa normalitas residu menunjukkan bahwa residu memenuhi indicator nilai Jarque-Bera
(21,90414 > 2) tetapi nilai = 0,000018 < 0,05 berarti residu tidak memenuhi indicator nilai alpha untuk
uji normalitas. Tetapi karena jumlah observasi total adalah 495 sampel maka diputuskan untuk tetap
memakai data ini. Untuk lebih meyakinkan akan dilakukan uji normalitas pada masing-masing variable.
Test normalitas data (variable)

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

IHSG
1801.598
1759.490
2810.960
1171.710
457.1627
0.528882
2.188929

USDRP
9145.913
9142.000
9746.000
8731.000
150.0822
0.350832
3.682738

BIRATE
0.000298
0.000308
0.000342
0.000219
5.17E-05
-0.547408
1.465775

EURORP
12915.90
12427.25
15430.95
10896.35
1361.775
0.268304
1.619107

RESID
6.57E-13
-4.810600
548.4917
-498.6549
142.6522
0.148389
3.986885

8| Contoh bahan belajar data time series

Jarque-Bera
Probability

36.64444
0.000000

19.76833
0.000051

73.26965
0.000000

45.26804
0.000000

21.90414
0.000018

Sum
Sum Sq. Dev.

891791.2
1.03E+08

4527227.
11127183

0.147548
1.32E-06

6393372.
9.16E+08

3.22E-10
10052721

Observations

495

495

495

495

495

hasil analisa normalitas diatas menunjukkan bahwa semua variable memenuhi indicator nilai JarqueBera.

Uji otokorelasi
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

2500.833
450.9152

Prob. F(2,489)
Prob. Chi-Square(2)

0.0000
0.0000

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/25/13 Time: 14:41
Sample: 1/02/2006 11/23/2007
Included observations: 495
Presample missing value lagged residuals set to zero.
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
USDRP
BIRATE
EURORP
RESID(-1)
RESID(-2)

-15.90456
0.018260
-173261.3
-0.007696
0.936647
0.019263

135.3714
0.013085
94054.61
0.003589
0.045128
0.045196

-0.117488
1.395425
-1.842135
-2.144655
20.75531
0.426216

0.9065
0.1635
0.0661
0.0325
0.0000
0.6701

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.910940
0.910029
42.78872
895297.6
-2558.712
1000.333
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

6.57E-13
142.6522
10.36247
10.41344
10.38248
1.963953

p-value Obs*R-squared >alpha, maka tidak ada autokorelasi

Pendapat lain mengatakan bahwa nilai pada obs*R-squared haruslah lebih dari 0,05 (pada tingkat
kepercayaan 5%). Bisa juga kita lihat dari nilai DW pada estimasi sebelumnya 0.092172.

9| Contoh bahan belajar data time series

Dependent Variable: IHSG

Method: Least Squares
Date: 01/25/13 Time: 14:41
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
USDRP
BIRATE
EURORP

4468.159
-0.436478
-3741117.
0.188958

452.6867
0.043689
313528.7
0.011949

9.870312
-9.990659
-11.93229
15.81397

0.0000
0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.902632
0.902037
143.0873
10052721
-3157.277
1517.246
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1801.598
457.1627
12.77283
12.80681
12.78617
0.092172

Syarat tidak ada otokorelasi adalah jika nilai D-W statstik antara 1,54 s.d 2,46
Untuk itu kita lakukan Estimasi ulang dengan diferensi tingkat satu sehingga didapat hasil estimasi berikut. tampak
bahwa nilai DW telah memenuhi syarat 2,148349
1,54 < 1,964978 <2,46
Dependent Variable: D(IHSG)
Method: Least Squares
Date: 01/25/13 Time: 14:46
Sample (adjusted): 1/03/2006 11/23/2007
Included observations: 494 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
D(USDRP)
D(BIRATE)
D(EURORP)

3.120505
0.000984
-242084.0
0.000976

1.198332
0.025138
343039.1
0.007458

2.604042
0.039138
-0.705704
0.130854

0.0095
0.9688
0.4807
0.8959

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.001078
-0.005038
26.49601
343998.8
-2317.783
0.176265
0.912465

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

3.186478
26.42952
9.399929
9.433958
9.413289
1.964978

Untuk lebih yakin bisa kita cek dengan uji B-G berikut, tampak bahwa = 0,7124 > 0,05

10 | C o n t o h b a h a n b e l a j a r d a t a t i m e s e r i e s

Breusch-Godfrey Serial Correlation LM Test:

F-statistic
Obs*R-squared

0.335422
0.678160

Prob. F(2,488)
Prob. Chi-Square(2)

0.7152
0.7124

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/25/13 Time: 14:47
Sample: 1/03/2006 11/23/2007
Included observations: 494
Presample missing value lagged residuals set to zero.
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
D(USDRP)
D(BIRATE)
D(EURORP)
RESID(-1)
RESID(-2)

-0.005888
-0.001092
-5016.502
0.000131
0.017919
-0.032828

1.199982
0.025233
343677.7
0.007475
0.045327
0.045390

-0.004907
-0.043293
-0.014597
0.017520
0.395322
-0.723247

0.9961
0.9655
0.9884
0.9860
0.6928
0.4699

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.001373
-0.008859
26.53202
343526.6
-2317.443
0.134169
0.984447

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

6.98E-16
26.41527
9.406653
9.457696
9.426692
1.993178

pilihannya tentu tinggal pendapat ahli mana yang akan kita gunakan.

Uji heterokedastisitas

Untuk persamaan pertama didapat

Dependent Variable: IHSG
Method: Least Squares
Date: 01/25/13 Time: 14:50
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
USDRP
BIRATE
EURORP

4468.159
-0.436478
-3741117.
0.188958

452.6867
0.043689
313528.7
0.011949

9.870312
-9.990659
-11.93229
15.81397

0.0000
0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid

0.902632
0.902037
143.0873
10052721

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion

1801.598
457.1627
12.77283
12.80681

11 | C o n t o h b a h a n b e l a j a r d a t a t i m e s e r i e s

Log likelihood
F-statistic
Prob(F-statistic)

-3157.277
1517.246
0.000000

Hannan-Quinn criter.
Durbin-Watson stat

12.78617
0.092172

p-value Obs*R-squared > alpha, maka tidak ada heteroskedastisitas. Sedangkan menurut pendapat lain
harus > 0,05 dan ini dipenuhi oleh persamaan yang terdiferensi pada tingkat ke-1.
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

0.071904
0.659622
2.379355

Prob. F(9,484)
Prob. Chi-Square(9)
Prob. Chi-Square(9)

0.9999
0.9999
0.9840

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/25/13 Time: 14:49
Sample: 1/03/2006 11/23/2007
Included observations: 494
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
D(USDRP)
(D(USDRP))^2
(D(USDRP))*(D(BIRATE))
(D(USDRP))*(D(EURORP))
D(BIRATE)
(D(BIRATE))^2
(D(BIRATE))*(D(EURORP))
D(EURORP)
(D(EURORP))^2

703.1549
0.156290
-0.000853
697262.9
-0.002440
-547999.2
-1.57E+11
-398885.4
0.124372
8.88E-05

89.07194
1.924666
0.013085
5176871.
0.007123
1.87E+08
4.26E+12
2077301.
0.549527
0.000426

7.894235
0.081204
-0.065200
0.134688
-0.342598
-0.002924
-0.036890
-0.192021
0.226326
0.208180

0.0000
0.9353
0.9480
0.8929
0.7320
0.9977
0.9706
0.8478
0.8210
0.8352

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.001335
-0.017235
1903.744
1.75E+09
-4426.384
0.071904
0.999906

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

696.3538
1887.547
17.96107
18.04614
17.99447
1.120299

Jika kita ingin memenuhi pendapat harus > 0,05 pada persamaan sebelum didiferensiasi berarti
terdapat heterokedastisitas oleh karena itu untuk tetap menggunakan data ini, kita bisa
menghilangkannya, pada ceklist heterokedastisitas consistent covariance. Sehingga di dapat estimasi
baru sebagai berikut:

12 | C o n t o h b a h a n b e l a j a r d a t a t i m e s e r i e s

Dependent Variable: IHSG

Method: Least Squares
Date: 01/25/13 Time: 14:53
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
USDRP
BIRATE
EURORP

4468.159
-0.436478
-3741117.
0.188958

368.9986
0.034768
359689.3
0.011586

12.10888
-12.55419
-10.40097
16.30944

0.0000
0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.902632
0.902037
143.0873
10052721
-3157.277
1517.246
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1801.598
457.1627
12.77283
12.80681
12.78617
0.092172

Uji Multikolinieritas
IHSG
USDRP
BIRATE
EURORP

IHSG
1.000000
0.031927
-0.915823
0.923837

USDRP
0.031927
1.000000
-0.163706
0.188328

BIRATE
-0.915823
-0.163706
1.000000
-0.917590

EURORP
0.923837
0.188328
-0.917590
1.000000

Syarat terjadinya multikolinieritas adalah koefisien korelasi di antara variabel bebas lebih besar dari 0,8.
Dilihat dari hasil uji korelasional tampak bahwa patut di duga adanya hubungan linier antar IHSG dengan
Kurs Euro/Rp (0,923837>0,8).
Untuk itu disarankan untuk menambah data, karena masalah multikolinieritas biasanya timbul karena
data yang di observasi sedikit.

13 | C o n t o h b a h a n b e l a j a r d a t a t i m e s e r i e s

b. Akan dibuat persamaan regresi linier secara parsial

 Regresi linier Kurs USD/Rp terhadap IHSG
Dependent Variable: IHSG
Method: Least Squares
Date: 01/25/13 Time: 15:03
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
USDRP

912.1341
0.097253

1254.244
0.137119

0.727238
0.709259

0.4674
0.4785

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.001019
-0.001007
457.3929
1.03E+08
-3733.516
0.503048
0.478499

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1801.598
457.1627
15.09299
15.10998
15.09966
0.003501

Persamaan regresi linier pengaruh Kurs USD/Rp terhadap IHSG adalah IHSG = 912,1341 + 0,097253
USDRP. Persamaan nilai = 0,4 > 0,05 hal ini menunjukkan bahwa tidak ada pengaruh yang signifikan dari
kurs USD/Rp terhadap IHSG.

Regresi linier BI-Rate terhadap IHSG

Dependent Variable: IHSG
Method: Least Squares
Date: 01/25/13 Time: 15:09
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
BIRATE

4217.058
-8103485.

48.41199
160033.1

87.10771
-50.63631

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.838733
0.838406
183.7740
16650028
-3282.157
2564.036
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1801.598
457.1627
13.26932
13.28631
13.27599
0.042869

Persamaan regresi linier pengaruh BI-Rate terhadap IHSG adalah IHSG = 4217.05815311 8103485.23747*BIRATE. Persamaan nilai = 0,0 < 0,05 hal ini menunjukkan bahwa ada pengaruh yang
signifikan dari BI-Rate terhadap IHSG.

14 | C o n t o h b a h a n b e l a j a r d a t a t i m e s e r i e s

Pengaruh BI-Rate terhadap IHSG dapat digambarkan sebagai berikut: jika tidak ada perubahan BI-Rate
maka nilai IHSG sebesar 4217,058; Sedangkan jika terjadi kenaikan BI-Rate sebesar 1 satuan maka nilai
IHSG adalah 4217.05815311 - 8103485.23747*1 = -8099268,1793169

Regresi linier Kurs Euro/Rp terhadap IHSG

Dependent Variable: IHSG
Method: Least Squares
Date: 01/25/13 Time: 15:20
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
EURORP

-2204.167
0.310142

75.16539
0.005788

-29.32423
53.58749

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.853475
0.853178
175.1727
15127935
-3258.430
2871.619
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

1801.598
457.1627
13.17345
13.19044
13.18012
0.111868

Persamaan regresi linier pengaruh Kurs Euro/Rp terhadap IHSG adalah IHSG = -2204.16733958 +
0.310142148062*EURORP. Persamaan nilai = 0,0 < 0,05 hal ini menunjukkan bahwa ada pengaruh yang
signifikan dari Kurs Euro/Rp terhadap IHSG.
Pengaruh Kurs Euro/Rp terhadap IHSG dapat digambarkan sebagai berikut: jika tidak ada perubahan Kurs
Euro/Rp maka nilai IHSG sebesar -2204,167; Sedangkan jika terjadi kenaikan Kurs Euro/Rp sebesar 1
satuan maka nilai IHSG adalah -2204.16733958 + 0.310142148062*1 = -2203,8571974319

c. Akan dibuat persamaan regresi linier secara simultan

Dependent Variable: IHSG

Method: Least Squares
Date: 01/25/13 Time: 15:02
Sample (adjusted): 1/02/2006 11/23/2007
Included observations: 495 after adjustments
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
USDRP
BIRATE
EURORP

4468.159
-0.436478
-3741117.
0.188958

452.6867
0.043689
313528.7
0.011949

9.870312
-9.990659
-11.93229
15.81397

0.0000
0.0000
0.0000
0.0000

R-squared
Adjusted R-squared

0.902632
0.902037

Mean dependent var

S.D. dependent var

1801.598
457.1627

15 | C o n t o h b a h a n b e l a j a r d a t a t i m e s e r i e s

S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

143.0873
10052721
-3157.277
1517.246
0.000000

Akaike info criterion

Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

12.77283
12.80681
12.78617
0.092172

Persamaan regresi linier pengaruh simultan Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp terhadap IHSG
adalah:
IHSG = 4468.15906203 - 0.436477860762*USDRP - 3741116.73468*BIRATE + 0.188958339945*EURORP
Persamaan nilai = 0,0 < 0,05 hal ini menunjukkan bahwa ada pengaruh simultan yang signifikan dari Kurs
USD/Rp; BI-Rate dan Kurs Euro/Rp terhadap IHSG.
Pengaruh Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp terhadap IHSG dapat digambarkan sebagai berikut:
Jika tidak ada perubahan Kurs USD/Rp;
BI-Rate dan Kurs Euro/Rp maka nilai IHSG sebesar
4468.15906203; Sedangkan jika terjadi kenaikan Kurs USD/Rp; BI-Rate dan Kurs Euro/Rp sebesar 1
satuan maka nilai IHSG adalah 4468.15906203 - 0.436477860762*1 - 3741116.73468*1 +
0.188958339945*1 = -3736648,8231375.