TIME SERIES
STASIONERITAS
Disusun Oleh :
Roghibah Salsabila
211709986
Dosen Pengampu :
2019
BAB I
PENDAHULUAN
Penggunaan model regresi linear dalam analisis ekonomi cukup luas dan bahkan telah
mencakup hampir semua bidang ekonomi. Salah satu pemanfaatannya adalah peramalan.
Namun dalam praktiknya, seringkali ditemui kejanggalan akibat mengabaikan anggapan
dasar pada analisis tersebut. Misalnya pengabaian terhadap stasioneritas yang merupakan
dasar berpijaknya ekonometrika (Insukindro, 1991)
Pengabaian terhadap kondisi (asumsi) ini, dapat menyebabkan model regresi yang
dihasilkan mempunyai nilai R2 relatif lebih tinggi namun memiliki statistik Durbin-Watson
yang rendah. Karena itu diperlukan kondisi stasioner pada data time series agar mampu
menghilanhkan autokorelasi dan heteroskedastisitas pada data time series. Data stasioner
mampu menghasilkan penduga parameter terbaik.
Oleh karena itu, perlu dilakukan pengujian stasioneritas data time series dengan
beberapa metode pengujian, yaitu (1) Melihat tren data dalam grafik, (2) Menggunakan
autokorelasi dan korelogram dan (3) Unit Root Test. Pengujian tersebut akan dilakukan
melalui aplikasi Eviews 8.1. Data yang diuji pada tulisan ini adalah Data Produksi Pangan
Jagung, Padi dan Ubi Kayu Tahun 1961-2011.
BAB II
HASIL DAN PEMBAHASAN
Stasioner menunjukkan tidak adanya perubahan yang drastis pada data, diidentifikasi
dengan bentuk sebaran data yang berfluktuasi disekitar nilai rata-rata yang konstan dan tidak
bergantung pada waktu dan varians dari fluktuasi tersebut (Makridakis,1995). Kestasioneran
dalam analisis time series diperlukan untuk memperkecil kekeliruan model.
Berdasarkan grafik
Gambar 1. Grafik Data diatas,
Produksi data
Panganproduksi Jagung
Jagung (dalam ton) dari tahun 1961-2011
terlihat adanya indikasi tidak stasioner pada rata-rata maupun varians. Hal
itu terlihat dari grafiknya trend meningkat.
B. Padi
Gambar 2. Grafik Data Produksi Pangan Padi (dalam ton)
C. Ubi Kayu.
Berdasarkan grafik diatas, data produksi Ubi Kayu dari tahun 1961-
2011 terlihat adanya indikasi tidak stasioner pada rata-rata maupun
varians. Hal itu terlihat dari grafiknya trend meningkat.
Berdasarkan hasil tersebut terlihat bahwa pada Level, data produksi Jagung
pada tahun 1961-2011 menunjukkan hasil korelogram yang berpola. Pola tersebut
terlihat menurun kemudian bergelombang pada lag ke-20. Adanya pola tersebut
mengindikasikan bahwa data tidak stasioner. Sedangkan pada derajat First Difference,
korelogram tidak menunjukkan pola tertentu dan nilai di setiap lag masih berada
dalam selang bartlet, artinya data produksi Jagung pada derajat First Difference
stasioner.
B. Padi
C. Ubi Kayu
Pada tabel diatas dapat dillihat perilaku data dari masing-masing variabel.
Berdasarkan hasil pengujian Augmented Dickey-Fuller (ADF) pada tingkat level yang
tidak mencangkup intercept dan tren, dapat dilihat bahwa semua variabel pada tingkat
ini nilai ADF nya lebih besar dari nilai kritis McKinnon dengan tingkat signifikansi
5% atau gagal tolak h0, yaitu data tidak stasioner. Atau dapat dilihat juga melaui nilai
probabiliti setiap variabel yang lebih besar dari 0,05 ; p>0,05. Sehingga, perlu
dilakukan uji derajat integrasi atau uji stasioneritas pada derajat difference sampai
semua variabel yang diamati stasioner pada derajat yang sama.
Pada table di atas dapat diketahui bahwa semua variabel sudah stasioner pada
tingkat Second Difference. Hal tersebut dapat diketahui pada masing-masing variabel
yaitu:
a. Variabel Jagung pada pengujian ADF pada tingkat Second Difference menunjukan
bahwa pada nilai ADF t-statistik lebih kecil dari pada Mac Kinnon Critical 5
persen, yaitu -6.012246 < -1.948495 dan p<0,05. Artinya, H0 ditolak atau dengan
kata lain data stasioner.
b. Variabel Padi pada pengujian ADF pada tingkat Second Difference menunjukan
bahwa pada nilai ADF t-statistik lebih kecil dari pada Mac Kinnon Critical 5
persen, yaitu -10.72727< -1.947975 dan p<0,05. Artinya, H0 ditolak atau dengan
kata lain data stasioner.
c. Variabel Ubi Kayu pada pengujian ADF pada tingkat Second Difference
menunjukan bahwa pada nilai ADF t-statistik lebih kecil dari pada Mac Kinnon
Critical 5 persen, yaitu -7.200926< -1.948313 dan p<0,05. Artinya, H0 ditolak
atau dengan kata lain data stasioner.
BAB III
KESIMPULAN
Berdasarkan dari hasil pengujian dengan ketiga metode di atas, yaitu (1)
Melihat tren data dalam grafik, (2) Menggunakan autokorelasi dan korelogram dan (3)
Unit Root Test melalui aplikasi Eviews, dapat disimpulkan bahwa :
DAFTAR PUSTAKA
Lampiran
Output Unit Root Test
A. Jagung
Level
First Difference
Second Difference
B. Padi
Level
First Difference
Second Difference
C. Ubi Kayu
Level
First Difference
Second Difference