Ramadhani Elvis

161062039
Analisis Runtun Waktu
Tugas 2

1. Gunakan data ma1.2.s di package TSA di software R !

a. Ujilah apakah data telah stasioner berdasarkan output berikut
> library(urca)
> a=ur.df(ma1.2.s,type="none")
> summary(a)
###############################################
# Augmented Dickey-Fuller Test Unit Root Test #
###############################################
Test regression none
Call:
lm(formula = z.diff ~ z.lag.1 - 1 + z.diff.lag)
Residuals:
Min
1Q Median
3Q
Max
-2.7037 -0.7603 0.0728 0.6740 3.1747
Coefficients:
Estimate
Std. Error t value Pr(>|t|)
z.lag.1 -0.78531 0.09235 -8.503 7.37e-14 ***
z.diff.lag 0.35766 0.08608 4.155 6.25e-05 ***
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Residual standard error: 1.11 on 116 degrees of freedom
Multiple R-squared: 0.3846,
Adjusted R-squared: 0.374
F-statistic: 36.25 on 2 and 116 DF, p-value: 5.911e-13

Value of test-statistic is: -8.5032

Critical values for test statistics:
1pct 5pct 10pct
tau1
-2.58 -1.95 -1.62

Jawab :
Uji stasioner dilakukan untuk mengetahui kestasioneran dari data yang dianalisis.
Dapat digunakan dengan beberapa cara, selain menggunakan grafik dapat juga menggunakan
hasil output dengan menggunakan analisis augmented Dickey Fuller:

 Hipotesis
H0 : Data Tidak Stasioner
H1 : Data Stasioner
Nilai Sig
o

= 0.05

Statistik Uji
o

Nilai p-val = 7.37e-14

Daerah Kritis

: Ho ditolak jika nilai p-value < alpha

Kesimpulan

: Karena nilai p-value = 7.37e-14 < alpha ( 0.05) maka Ho ditolak yang

artinya data tersebut stasioner pada lag 1(differencing 1). Sehingga memiliki rata-rata

dan varians konstan.

b. Dapatkan estimasi parameter dari model time series data tersebut!. Lakukan sesuai
prosedur melalui identifikasi plot ACF dan PACF
Jawab :

Berdasarkan plot ACF dan PACF diatas dapat kita simpulkan bahwa pada plot ACF
terputus atau cut off pada lag 1 . Sedangakan pada plot PACF turun secara eksponensial
sehingga didapat model MA 1.
Estimasi Parameter dari Model Time Series

Berdasarkan output didapat model estimasi parameter

Model MA (1) :
Yt = et 1et-1
Yt = 0.0190 0.9147et-1