Data Jumlah Transaksi Bitcoin

No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42

Date
2011-01-31
2011-02-28
2011-03-31
2011-04-30
2011-05-31
2011-06-30
2011-07-31
2011-08-31
2011-09-30
2011-10-31
2011-11-30
2011-12-31
2012-01-31
2012-02-29
2012-03-31
2012-04-30
2012-05-31
2012-06-30
2012-07-31
2012-08-31
2012-09-30
2012-10-31
2012-11-30
2012-12-31
2013-01-31
2013-02-28
2013-03-31
2013-04-30
2013-05-31
2013-06-30
2013-07-31
2013-08-31
2013-09-30
2013-10-31
2013-11-30
2013-12-31
2014-01-31
2014-02-28
2014-03-31
2014-04-30
2014-05-31
2014-06-30

Value
1815
1932
2206
4022
6203
9885
7429
7280
5762
4956
6332
5357
6469
6825
6286
9064
20951
23608
36163
41495
21143
28602
28363
34228
46104
60993
44586
48795
57616
32994
51919
52533
42073
56476
80868
52382
61999
71658
63096
63947
55166
62009

43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69

2014-07-31
2014-08-31
2014-09-30
2014-10-31
2014-11-30
2014-12-31
2015-01-31
2015-02-28
2015-03-31
2015-04-30
2015-05-31
2015-06-30
2015-07-31
2015-08-31
2015-09-30
2015-10-31
2015-11-30
2015-12-31
2016-01-31
2016-02-29
2016-03-31
2016-04-30
2016-05-31
2016-06-30
2016-07-31
2016-08-31
2016-09-30

67721
59751
78590
88062
80934
83768
83762
90259
105294
114070
96037
149003
133640
92338
141351
155292
172183
164132
168625
265695
208976
215712
215249
231960
192254
226377
250943

Uji Stasioneritas data

1. Menggunakan grafik
Dalam menguji apakah suatu data merupakan data yang stasioner atau tidak
dapat menggunakan grafik dari data tersebut, suatu data disebut data stasioner jika dilihat
dari grafiknya data tersebut memiliki rata-rata dan varians yang konstan. Rata-rata dan
varians konstan dapat dilihat dari grafik yang persebaaran datanya berada di sekitara titik
tengah dari data tersebut. Kekurangan dari penggunaan metode ini adalah hasil
bergantung pada objektivitas peneliti (setiap peneliti bisa memiliki pandangan yang
berbeda-beda dalam menginterpretasikan grafik tersebut). Berikut merupakan grafik dari
data jumlah transaksi bitcoin

Dari grafik diatas dapat dilihat persebaran data tidak berada di titik tengah data
tersebut, hal ini dapat disimpulkan bahwa rata-rata dan varians data jumlah transaksi
bitcoin tersebut tidak konstan sehingga dengan melihat hasil grafik dari data tersebut,
data ini tidak bersifat stasioner.
2. Menggunakan Corelogram
Uji stasioneritas menggunakan corelogran merupakan teknik dengan fungsi
autokorelasi (ACF) yang akan didapat plot antara pk dan k (lag). Suatu data disebut
stasioner jika korelogram menurun dengan cepat seiring dengan meningkatnya k.
Sedangkan data yang tidak stasioner korelogram akan cenderung tidak menuju nol.
Berikut merupakan korelogram dari data jumlah transaksi bitcoin

Untuk mengetahui apakah data diatas merupakan stasioner maupun tidak dapat
melihat dari nilai AC dan PAC dengan menggunakan rumus dibawah ini untuk
membandingkan nilainya nanti

=Z(0,05)(

1
69 )

=1,96(0,1204)
=0,23596
Setelah mendapat nilai diatas maka tinggal dibandingkan terhadap nilai AC dan
PAC berada di interval -0,23596 sampai 0,23596 atau tidak. Dilihat dari nilai AC tabel
diatas data no 1-14 berada di luar interval/diatas 0,23596, lalu jika dilihat nilai dari PAC
tabel diatas hanya ada 1 data yang berada di luar interval. Sehingga dalam hal ini dapat
disimpulkan bahwa data tersebut tidak bersifat stasioner
3. Menggunakan Unit Root Test
Untuk mengetahui sifat kestasioneritasan suatu data menggunakan unit root test
merupakan cara yang didasarkan pada penghitungan, dalam pembacaan sifat ini tidak

menggunakan subjektivitas peneliti. Terdapat 6 metode dalam menghitung menggunakan

unit root test, dalam interpretasinya dengan membandingkat nilai kritis dari masingmasing metode terhadap nilai kritis dengan alpha sebesar 0.01, 0.05, dan 0.1. Jika nilai
kritis masing-masing metode lebih kecil dari pada nilai kritis alpha maka data tersebut
bersifat stasioner, sebaliknya jika nilainya lebih besar maka data tersebut bersifat tidak
stasioner. Berikut merupakan hasil dari penghitungan unit root test dengan 3 metode
a. Metode ADF (Augmented Dickey Fuller)

Dilihat dari tabel diatas nilai kritis dari metode ADF sebesar 1,540163 dimana
lebih besar dari ketiga nilai kritis alpha, yaitu -3,533204; -2,906210; -2,590628. Hal
ini dapat disimpulkan bahwa data dari jumlah transaksi bitcoin bersifat tidak
stasioner.
b. Metode DF (Dickey-Fuller)

Dilihat dari tabel diatas nilai kritis dari metode DF sebesar 2,402167 dimana
lebih besar dari ketiga nilai kritis alpha, yaitu -2,600471; -1,945823; -1,613589. Hal
ini dapat disimpulkan bahwa data dari jumlah transaksi bitcoin bersifat tidak
stasioner.
c. Metode Philip Perron

Dilihat dari tabel diatas nilai kritis dari metode Philips-Perron sebesar
1,048176 dimana lebih besar dari ketiga nilai kritis alpha, yaitu -3,530030;
-2,904848; -2,589907. Hal ini dapat disimpulkan bahwa data dari jumlah transaksi
bitcoin bersifat tidak stasioner.
Kesimpulan
Dalam pengujian sifat kestasioneritas data jumlah transasksi bitcoin ini tidak
bersifat stasioner, hal ini dapat dibuktikan melalui penggunaan grafik dengan melihat
persebaran datanya, penggunaan corelogram dengan membandingkan nilai AC dan PAC,
serta menggunakan Unit Root Test dengan 3 metode (ADF, DF, Philip Perron)
menunjukan hasil yang sama yaitu tidak bersifat stasioner