29 Maret 2012 Sedikit berbagi tentang Time Series dan Eviews.

Saya di semester enam ini "beruntung" dapat mendalami lebih jauh materi analisis regresi yang telah saya pelajari di semester lima lalu. Time series, nama mata kuliahnya, masih erat kaitannya dengan analisis regresi, hanya saja data yang dianalisis terfokus pada data yang bertipe data series atau data yang waktu pengumpulannya periodik dari waktu ke waktu. Cukup dengan pengantarnya. Hari ini merupakan pertemuan kedua dengan dosen yang mengajar time series di kelas saya, ibu Budiasih. Beruntung bagi readers yang kenal dengan beliau karena readers pernah mengenal seorang intelektual yang memang benar-benar menguasai bidang yang ditekuninya, Ekonomi dan Statistik. Setelah pada pertemuan pertama beliau hanya melakukan review terhadap mata kuliah sebelumnya yang menjadi prasyarat untuk dapat lancar mengikuti mata kuliah ini, pada pertemuan kedua ini beliau mengenalkan kami, saya dan teman-teman sekelas, kepada software yang akan memudahkan kami dalam penghitungan yaitu software Eviews. Selain untuk mempermudah dalam penghitungan, beliau menjelaskan bahwa untuk pertemuan selanjutnya sistematika belajar mengajar akan sangat bergantung kepada software ini. Beliau menjelaskan materi, kami mengerti, beliau memberi soal, kami mengerjakan dengan software. Kurang lebih seperti itu. Untuk perkenalan dengan Eviews di pertemuan kedua ini, beliau mengajarkan kepada kami bagaimana mengimport file microsoft excel yang berisi data series ke dalam software Eviews, menampilkan grafik dari data yang sudah diimpor, dan cara untuk menggenerate variabel baru menggunakan variabel yang sudah diimport dari file microsoft excel dengan menggunakan beberapa operasi matematika sederhana. Baiklah, saya akan menjelaskan satu per satu dari tiga materi yang diajarkan oleh beliau pada pertemuan kedua hari ini. Cara mengimport file Microsoft Excel ke Eviews. Untuk melakukan proses import file Microsoft Excel, tentu saja file Microsoft Excel harus sudah dipersiapkan terlebih dahulu. Untuk selanjutnya, dalam menjelaskan saya mengasumsikan semua readers yang ingin mencoba sudah menyiapkan file Microsoft Excelnya terlebih dahulu. Untuk melakukan import file excel sebenarnya simple saja karena ini masih tahap awal melakukan analisis dengan menggunakan software Eviews. Langkah-langkahnya sebagai berikut (langkahlangkah berikut sesuai dengan interface Eviews 5.1, jadi untuk yang menggunakan versi yang lebih baru mohon menyesuaikan)

Buka software Eviews 5.1 Buat sebuah workfile baru.

Langkah-langkah membuat sebuah workfile sangat sederhana. Tinggal klik File > New > Workfile.

Selanjutnya akan muncul sebuah kotak dialog seperti di bawah ini

Pada kotak dialog Workfile Create, terdapat beberapa pengaturan yang dapat diatur sesuai kebutuhan analisis yang akan dilakukan. Pengaturan tersebut antara lain Workfile structure type, Date specification, dan Names (optional). Pada pengaturan Workfile structure type terdapat tiga pilihan pada menu drop-down yang dapat dipilih yaitu Unstructured / Undated, Dated - regular frequency, dan Balanced Panel. Karena analisis yang akan kita lakukan adalah time series, maka yang dipilih adalah Dated regular frequency. Untuk pilihan Unstructured / Undated digunakan jika data yang akan kita analisis bertipe cross-sectional, sedangkan pilihan Balanced Panel digunakan jika data yang akan kita analisis bertipe panel atau gabungan dari time series dan cross-sectional. Lanjut ke pengaturan Date specification. Pada menu drop-down Frequency, di Eviews 5.1 terdapat 8 pilihan. Dalam penentuan interval, kita menentukan interval waktu antara observasi satu dengan observasi yang lain yang ada pada data penelitian kita. Interval waktu tersebut harus merupakan interval yang regular, artinya interval waktu antar dua observasi yang pertama dengan yang selanjutnya harus sama dengan yang selanjut-selanjutnya. Contohnya, data PDRB Atas Dasar Harga Berlaku Provinsi Nusa Tenggara Barat Tahun 1993-2012.

GENR LK=LOG(K) Gunanya untuk menggenerate sebuah variabel bernama LK dimana LK merupakan operasi logaritma terhadap variabel K

Gunanya untuk menggenerate sebuah variabel baru bernama DK dimana DK merupakan hasil operasi dari nilai K dikurangi dengan nilai K tahun sebelumnya. K(-1) berarti nilai K pada tahun sebelumnya, (-1) menunjukkan lag 1 tahun sebelumnya. Untuk membuat fungsi perkalian, operatornya sama dengan excel Minggu depan baca buku FORECASTING karya MAKRI DAKIS, Untuk Buku Anders baca Chapter 2

5 April 2012 Prinsip data time series(TS) Data ts harus stasioner untuk bisa running ke dalam model Sebelum dirun ke dalam model, data harus diuji dulu stasioneritasnya. Jika datanya iya stasioner maka bisa langsung dirun datanya. Jika tidak stasioner maka buat data dalam delta/differen () kemudian dirun lagi, jika sudah stasioner maka bisa dirun, jika tidak maka didelta/differen lagi kemudian dirun lagi. FYI, data sebelum didifferenkan atau data awalnya disebut data level. Sampai kapan kita harus mengulang proses jika tidak stasioner-stasioner datanya? Nanti dikasih tau :) Yt (data 1) (data 2) (data 3) Yt (data 2) (data 1) (data 3) (data 2)

Uji Unit Root (uji stasioneritas) Simple test Dicky Fuller (DF) test Augmented DF test Phillip Peron Test Simple Test

Stationer itu tidak punya tren, kemudian rata-rata dan variansnya sama/konstan.

Jika data pada tahun berjalan mempunyai hubungan atau dipengaruhi oleh data pada waktu sebelumnya maka data tersebut tidak stationer karena memiliki kecenderungan untuk naik/turun.

Dicky Fuller Test

*penjelasan selebihnya ada di catatan kertas* ADF Test

Pada pengujian ini, Dicky Fuller memperhitungkan adanya White Noise atau adanya autokorelasi antara pengamatan tahun t dengan tahun t-1. 19 April 2012 Jika data adalah AR(p) diindikasikan oleh nilai AC yang turun secara perlahan dan nilai PAC hilang sesudah p-lag (hilang sesudah data pertama) maka model yang mungkin adalah AR(1). Jika data adalah MA(q) diindikasikan dari nilai AC yang hilang sesudah q-lag (hilang sesudah data pertama) dan nilai PAC turun secara perlahan. Jika data mix (AR dan MA) jika pattern correlogram Model R2 adj Lihat yg plg besar R MSE Lihat yg plg kecil AEC Lihat yg plg kecil SCH Lihat yg plg kecil

Jika terdapat kasus dimana R2 adj terbesar pada model A dan SSE terkecil ada pada model B maka yang kita harus pilih adalah model B dengan SSE yang paling kecil.