Nama : DIAN ANGGRIANI.

G
NIM : 211910694
Kelas : 3SE4
Mata Kuliah : TIME SERIES
Dosen : KADIR SST, M.APPL.ECMETS.

TUGAS 5 TIME SERIES

1. Tuliskan persamaan model ARIMA (1,1,1) pada slide 33 dalam bentuk backshift
notation.
∆𝑦𝑡 = 𝐶 + 𝜙1 Δ𝑦𝑡−1 + 𝜃1 𝜀𝑡−1 + 𝜀𝑡
∆𝑦𝑡 = 𝑐 + 𝜙1 ΔB𝑦𝑡 + 𝜃1 𝐵𝜀𝑡 + 𝜀𝑡
∆𝑦𝑡 − 𝜙1 ΔB𝑦𝑡 = 𝑐 + 𝜃1 𝐵𝜀𝑡 + 𝜀𝑡
∆𝑦𝑡 (1 − 𝜙1 B) = 𝑐 + (1 + 𝜃1 𝐵)𝜀𝑡
(𝑦𝑡 − 𝑦𝑡−1 )(1 − 𝜙1 B) = 𝑐 + (1 + 𝜃1 𝐵)𝜀𝑡
(𝑦𝑡 − 𝐵𝑦𝑡 )(1 − 𝜙1 B) = 𝑐 + (1 + 𝜃1 𝐵)𝜀𝑡
(𝑦𝑡 − 𝐵𝑦𝑡 )(1 − 𝜙1 B) = 𝑐 + (1 + 𝜃1 𝐵)𝜀𝑡
(1 − 𝐵)𝑦𝑡 (1 − 𝜙1 B) = 𝑐 + (1 + 𝜃1 𝐵)𝜀𝑡
(1 − 𝐵 − 𝜙1 B − 𝜙1 B2 ) = 𝑐 + (1 + 𝜃1 𝐵)𝜀𝑡
2. Pengecekan stasioneritas dari inspeksi visual melalui collerogram
Data PDB triwulan periode 2010-2020.

Tahun triwulan PDB Tahun Triwulan PDB

1 1642356 1 2264721
2 1709132 2 2355445
2010 2016
3 1775110 3 2429261
4 1737535 4 2385187
1 1748731 1 2378146
2 1816268 2 2473513
2011 2017
3 1881850 3 2552297
4 1840786 4 2508972
1 1855580 1 2498698
2 1929019 2 2603853
2012 2018
3 1993632 3 2684332
4 1948852 4 2638970
1 1958396 1 2625126
2 2036817 2 2735403
2013 2019
3 2103598 3 2818722
4 2057688 4 2769788
1 2058585 1 2703149
2 2137386 2 2589818
2014 2020
3 2207344 3 2720479
4 2161553 4 2708997
1 2158040
2 2238704
2015
3 2312844
4 2272929
 Menganalisis unsur Deterministik

Berdasarkan inspeksi visual dari grafik linear data PDB periode 2010-2020
memiliki unsur deterministik tren. Hal ini dibuktikan dengan melihat bahwa
data PDB meningkat secara monoron dari waktu ke waktu.
 Berikut adalah hasil corellogram dari data PDB diatas

 Analisis stasioneritas melalui inspeksi visual (Correlogram).

Berdasarkan hasil inspeksi visual melalui correlogram yang ada dapat dilihat
bahwa nilai koefisian autokolerasi pada data PDB diatas dengan nilai inisiasi
awal yang besarnya mendekati satu dan nilai koefisien autokorelasi mengalami
penurunan yang cukup lambat mengindikaskan bahwa data PDB diatas
merupakan data runtut waktu yang nonstationer.
 Dengan melakukan inspeksi visual melalui correlogram yang ada dapat
mengestimsi model ARIMA yang digunakan adalah ARIMA(
3. Lakukan pengujian formal dengan augmented dickey fuller test.
1. Hipotesis
H0 : data PDB periode 2010-2020 merupakan data yang stasioner
H1 : data PDB periode 2010-2020 merupakan data yang nonstasioner
2. Tingkat Signifkansi
α : 1%
α : 5%
α : 10%
3. Statistik uji

4. Keputusan
α1 : 0,01 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Tolak H0)
α2 : 0,05 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Tolak H0)
α3 : 0,1 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Tolak H0)
5. Kesimpulan
a. Dengan tingkat signifikansi 1% tidak terdapat cukup bukti untuk mengatakan
bahwa data PDB merupakan data yang stasioner.
b. Dengan tingkat signifikansi 5% tidak terdapat cukup bukti untuk mengatakan
bahwa data PDB merupakan data yang stasioner.
c. Dengan tingkat signifikansi 10% tidak terdapat cukup bukti untuk mengatakan
bahwa data PDB merupakan data yang stasioner.

Dengan demikian data PDB periode 2010-2020 merupakan data yang nonstatsioner.
6. Perbaikan pertama:
 First Differance:
- Line graph first differance:

- Correlogram first differance:

1. Hipotesis
H0 : data PDB first differance periode 2010-2020 merupakan data yang stasioner
H1 : data PDB first differance periode 2010-2020 merupakan data yang
nonstasioner
2. Tingkat Signifkansi
α : 1%
α : 5%
α : 10%
 3. Statistik uji

4. Keputusan
α1 : 0,01 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Tolak H0)
α2 : 0,05 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Tolak H0)
α3 : 0,1 < 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Tolak H0)
5. Kesimpulan
a. Dengan tingkat signifikansi 1% tidak terdapat cukup bukti untuk
mengatakan bahwa data PDB hasil first differance merupakan data yang
stasioner.
b. Dengan tingkat signifikansi 5% tidak terdapat cukup bukti untuk
mengatakan bahwa data PDB hasil first differance merupakan data yang
stasioner.
c. Dengan tingkat signifikansi 10% hasil first differance tidak terdapat cukup
bukti untuk mengatakan bahwa data PDB merupakan data yang stasioner.

Dengan demikian data PDB hasil first differance periode 2010-2020 merupakan data
yang nonstatsioner.
7. Perbaikan kedua:
 Second differance:
- Line graph second differance:

- Correlograph second differance:

1. Hipotesis
H0 : data PDB second differance periode 2010-2020 merupakan data yang
stasioner
H1 : data PDB first differance periode 2010-2020 merupakan data yang
nonstasioner
2. Tingkat Signifkansi
α : 1%
α : 5%
α : 10%
 3. Statistik uji

4. Keputusan
α1 : 0,01 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Gagal Tolak H0)
α2 : 0,05 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Gagal Tolak H0)
α3 : 0,1 > 𝑝 − 𝑣𝑎𝑙𝑢𝑒 (Gagal Tolak H0)
5. Kesimpulan
a. Dengan tingkat signifikansi 1% terdapat cukup bukti untuk mengatakan
bahwa data PDB hasil first differance merupakan data yang stasioner.
b. Dengan tingkat signifikansi 5% terdapat cukup bukti untuk mengatakan
bahwa data PDB hasil first differance merupakan data yang stasioner.
c. Dengan tingkat signifikansi 10% hasil first differance terdapat cukup
bukti untuk mengatakan bahwa data PDB merupakan data yang
stasioner.
4. Dari hasil pengujian formal dan inspeksi visual, simpulkan data PDB mengikuti
ARIMA dengan order berapa. Lalu estimasi model tersebut dengan eviews.
Dengan melihat correlogram pada data yang sudah di differencing maka dapat
diestimasi bahwa model ARIMA yang akan digunakan dengan ordo maksimal p = 3, d
= 2, dan q = 2. Berikut proses pengecekan pada eviews.
Seletah dilakukan pengecekan dengan eviews didapat bahwa model ARIMA yang
disarakan adalah model ARIMA(3,2,0). Berikut adalah hasil dari koefisien ARIMA
(3,2,0).

Dari model yang disarankan kita dapat melakukan pengecekan apakah model sudah
tepat atau belum dengan melihat persebaran residualsnya. Berikut adalah correlogram
dari model ARIMA(3,2,0)

Residuals dari model ARIMA(3,2,0) sudah tidak ada yang melebihi garis confident
inteval atau dengan kata lain 𝑝 − 𝑣𝑎𝑙𝑢𝑒 dari seluruh residuals sudah tidak ada yang
signifikan (𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 0,05). Sehingga dapat disimpulkan bahwa model yang
digunakan untuk memramalkan data PDB Indonesia periode tahun 2010-2020 adalah
model ARIMA(3,2,0).
5. Hasil peramalan data PDB Indonesia periode 2010-2020
 Hasil peramalan data PDB dengan standar error ±2
6. Backshift ARIMA(3,2,0)