CRITICAL BOOK REVIEW

MATA KULIAH : ANALISIS RUNTUN WAKTU

UNIT ROOT TEST

DOSEN PENGAMPU : Susiana S.Si, M.Si

OLEH:

NAMA : SOFYA DWI AGUSTINA SIRAIT

NIM : 4191230001
KELAS : PSM A 2019

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2021
 KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa. Karena atas
Berkat dan RahmatNya sehingga penulis dapat menyelesaikan tugas mata kuliah
ANALISIS RUNTUN WAKTU yang berjudul “CRITICAL BOOK REVIEW”.
Penulis berterimah kasih kepada dosen pembimbing yang bersangkutan yang sudah
memberikan bimbingannya.

Penulis juga menyadari bahwa tugas ini masih banyak kekurangan oleh karena
itu penulis minta maaf jika ada kesalahan dalam penulisan dan saya juga
mengharapkan kritik dan saran yang membangun guna kesempurnaan tugas ini.

Akhir kata penulis ucapkan terima kasih semoga dapat bermanfaat dan menambah
pengetahuan bagi pembaca.

Medan, 29 September 2020

Penulis

1
 DAFTAR ISI

Kata pengantar.......................................................................................................1

Daftar Isi................................................................................................................2

Bab I: Pendahuluan

1.1 Latar belakang.................................................................................................3

1.2 Rumusan masalah............................................................................................3

1.3 Tujuan..............................................................................................................3

Bab II :Pembahasan

2.1 Identitas buku..................................................................................................4

2.2 Ringkasan isi buku..........................................................................................5

Bab III :Perbedaan Buku

3.1 Kelebihan Buku...............................................................................................10

3.2 Kelemahan Buku.............................................................................................10

Bab IV: Penutup

4.1 Kesimpulan......................................................................................................11

4.2 Saran................................................................................................................11

DAFTAR PUSTAKA..........................................................................................12

2
 BAB I

PENDAHULUAN

A. Latar Belakang

Analisis time series (runtun waktu) banyak digunakan dalam berbagai

bidang, misalnya ekonomi, teknik, geofisik, pertanian dan kedokteran. Runtun waktu
adalah suatu deret observasi yang berurut dalam waktu. Analisis data runtun waktu
digunakan untuk melakukan analisis data yang mempertimbangkan pengaruh waktu.
Data-data yang dikumpulkan secara periodik berdasarkan urutan waktu, bisa dalam
jam, hari, minggu, bulan, kuartal dan tahun, dapat dilakukan analisis menggunakan
metode analisis data runtun waktu (Damayanti, 2008).

Aplikasi serangkaian model peramalan. Prosedur pemilihan metode yang tepat

untuk situasi tertentu. Dukungan organisasi untuk menerapkan dan menggunakan
metode peramalan formal. Uji Stasioneritas. Suatu proses dalam analisis runtun waktu
dikatakan stasioner, jika dalam proses tersebut tidak terdapat perubahan
kecenderungan baik dalam rata-rata maupun dalam variansi. Stasioner dapat dilihat
dengan melihat plot data runtun waktu. Salah satu ciri proses telah stasioner, ditandai
dengan hasil plot data runtun waktu yang grafiknya sejajar dengan sumbu waktu t
(biasanya sumbu x, sedang sumbu y merupakan sumbu yang memuat data hasil
pengamatan).

Dalam (Makridakis, 1999) suatu data pengamatan dapat dinyatakan

stasioner apabila data tersebut memiliki nilai rata-rata yang relatif konstan, tidak
tergantung pada waktu dan variansi dari fluktuasi tersebut. Dengan, Uji unit root.
Pengujian akar-akar unit diperlakukan untuk melihat apakah data
yang digunakan stasioner (non-statistic) ataukah tidak stasioner (stochastic).
Data yang stasioner adalah data time series yang tidak mengandung akar-akar
unit, begitu pula sebaliknya. Stasioner data juga dapat diperiksa dengan
mengamati apakah runtun waktu mengandung akar unit, yakni apakah terdapat
komponen trend yang berupa random walk dalam data. Terdapat berbagai
metode untuk melakukan unit akar, diantaranya Dickey-Fuller, Augmented
Dickey-Fuller, dan lain-lain.
B. Tujuan Penulisan CBR
Tujuan penulisan CBR ini adalah untuk menyelesaikan tugas Analisis
Runtun Waktu. Menambah pengetahuan atau wawasan tentang suatu penelitian
dengan mengumpulkan suatu data. Meningkatkan kemampuan berpikir kritis dan
meningkatan kemampuan meriview atau mengkritik suatu buku.
C. Manfaat CJR

Manfaat dari CBR ini adalah untuk menambah wawasan pembaca tentang membuat
data menjadi stasioner uji unit roots

3
 BAB II
PEMBAHASAN

A. IDENTITAS BUKU

Buku I
Judul Buku : Ekonometrika Deret Waktu Teori dan Aplikasi
Penerbit : IPB Press
Penulis : Prof.Dr.Ir.Bambang Juanda, M.S., Junaidi, SE.,M.Si
Kota terbit : Bogor
Tahun Terbit : 2012
ISBN : 978-979-493-365-7

Buku II
Judul Buku : Modul Analisis Deret Waktu
Penerbit : Universitas Udayana
Penulis : I Wayan Sumarjaya, S.Si., M.Stats
Kota terbit : Bali
Tahun Terbit : 2016

(Buku I) (Buku II)

4
B. RINGKASAN MATERI (UNIT ROOT TEST)
a. Buku 1
Meskipun dapat diindetifikasi secara visual , sering kali diperlukan uji formal
untuk mengetahui kestasioneran data. Uji formal ini dikenal sebagai uji akar unit
(unit root test). Untuk memberikan pemahaman tentang unit root test, perhatikan
model berikut :
Y t =Y t −1 +e t ......................................................................(1)
Dimana e t adalah residual (error) yang nilai tengahnya nol, ragam σ 2 , dan tidak
ada autokorelasi. Residual seperti ini disebut juga white noise error. Pada
persamaan diatas dikenal sebagai model Autoregressive yaitu regresi antara Y pada
peiode t dengan Y pada periode t-1, dimana koefisien regresi Y t −1 sama dengan
satu. Persamaan diatas juga disebut memiliki akar unit yang merupakan contoh
situasi ketidakstasioneran suatu data deret tertentu.
Perhatikan persamaan berikut :
Y t =r Y t−1 +e t ....................................................................(2)
Jika ρ=1, maka Y t disebut memiliki akar unit. Data deret waktu yang mempunyai
akar unit dikenal sebagai random walk (langkah acak). Random walk merupakan
contoh data deret waktu yang tidak stasioner pada ragam, karena ragamnya
merupakan fungsi dari waktu.
Perhatikan uraian berikut :
Y t =Y 0 +e 1
Y 2=Y 1 + e2=Y 0+ e1 +e 2
Y 3=Y 1+ e3=Y 0+ e1 +e 2 +e 3 … … … … ….( 3)
Y t =Y 0 + ∑ e t
Dapat ditunjukkan bahwa Var ¿ ¿. Oleh karena itu proses random walk merupakan
fenomena data yang tidak stasioner.
Perhatikan persamaan (2). Dengan mengurangkan kedua ruasnya dengan Y t −1 ' .
Persamaan (2) dapat dituliskan sebagai :
∆ Y t =(r−1)Y t−1=e t
∆ Y t =d Y t −1 =e t … … … … … … … … .(4 )
Dimana
δ=( ρ−1 ) dan ∆ Y t−Y t−1 (diferensiasi ordo 1)

5
Y t tidak stasioner (memiliki akar unit ) jika ρ−1 atau d = 0.
Sebagaimana yang dijelaskan diatas , jika data tidak stasioner pada tingkat level
(data asli), dapat dilakukan proses diferensiasi. Perhatikan persamaan berikut:
∆ Y t =Y t −Y t −1=e t......................................................... (5)
Persamaan diatas menjelaskan bahwa diferensiasi ordo 1 terhadap Y t yaitu ∆ Y t ,
akan bersifat stasioner karena e t stasioner. Jadi, jika ρ=1 data Y t tidak stasioner,
tetapi ∆ Y t bersifat stasioner, maka Y t disebut terintegrasi dengan ordo 1 atau
ditulis sebagai I(1).
Dengan cara yang sama, jika data menjadi stasioner setelah diferensiasi ordo 2,
data yang demikian disebut terintegrasi pada ordo 2 atau I(2). Dan seterusnya.
Terdapat berbagai metode untuk melakukan uji akar unit, diantaranya Dickey-
Fuller (DF Test), Augmented Dickey-Fuller (ADF Test), Phillips Perron (PP Test),
dan lain lain.
1. Uji DF (DF Test)
Untuk menguji ketidakstasioneran data dapat dilakukan dengan mengestimasi
persamaan (2) sebelumnya dan menguji apakah ρ=1atau mengestimasi
persamaan (4) dan menguji apakah δ =0 . Namun demikian, uji t untuk menguji
apakah δ sama atau tidak sama dengan nol dalam kasus ini tidak valid
diberlakukan karena nilai-nilai koefisien δ tidak mengikuti distribusi normal.
Dickey-Fuller menunjukkan bahwa nilai koefisien δ akan mengikuti distribusi
statistik t (tau) dan menyusun statistik τ sebagai titik kritis pengujian.
Persamaan (4) dikenal sebagai Dickey-Fuller Test. Distribusi statistik t
kemudian statistik Mackinnon.
Selanjutnya, DF Test dapat diterapkan dengan mengistimasi model berikut :
Proses Random Walk : ∆ Y t =d Y t −1 +e t … … … … … … … … … … …. … ... . (6 )
Proses Random Walk With Drift ¿ ∆ Y t =b 1+ d Y t −1+ et … … …. … … ..(7)
Proses Random Walk With Drift around stochastic trend :
¿ ∆ Y t =b 1+ b2 t +d Y t−1 +e t … … … … … … … … … … … … … … . … .(8)
Pengujian Dickey-Fuller dilakukan dengan menghitung nilai τ -statistik dengan
rumus :
ρ^
τ= … … … … … … … … … … … … … … … … … … … … … … … … … … … . ( 9)
Se ( ^ρ )
Hipotesis :

6
 H 0 :δ −0 (yang berarti Y t , tidak stastioner)
H 1 : δ <0 (yang berarti Y t , stasioner)

2. Uji ADF (ADT Test)

Persamaan (2) dan (4) merupakan bentuk sederhana dengan asumsi residual
yang acak. Korelasi serial antara residual dengan ∆ Y t , dapat dinyatakan dalam
bentuk umum proses autoregresif sebagai berikut :
∆ Y t =b 1+ b2 t +d Y t−1 +a 1 ∆ Y t −1+ a2 ∆ Y t−2 +… a 1 ∆Y t −2+ e t … … ( 10 )
Pada persamaan diatas dapat ditambahkan tren determinatik dengan atau tanpa
intersep.
Pengujian dengan menggunakan Persamaan (10) tersebut dikenal sebagai
Augmented Dickey-Fuller Test (ADF Test). Pengujian dan aturan pengambilan
keputusan uji ADF ini sama dengan uji DF.

3. Uji PP (PP Test)

Uji DF berasumsi bahwa sisaan e bebas stokastik dan memiliki ragam yang
konstan. Oleh karenanya, dalam uji DF harus dijamin bahwa komponen error
tidak berkorelasi dan memiliki ragam yang konstan. Phillip dan Peron
mengikuti proses Dickey-Fuller secara umum dengan memerhatikan asumsi
distribusi sisaan e.
Pendekatan ini mengambil ransformasi Fourier pada data deret waktu ∆ Y t
seperti dalam Persamaan (10) kemudian menganalisis komponen pada frekuensi
nol. Nilai τ -statistik dari uji PP dapat dihitung sebagai berikut :

t=
√ r0
h0
h −r
t 0− 0 0 sq … … … … … … … … … … … … … … … ( 11 )
2 h0 s

Dimana
M
j
h 0=r 0 +2 ∑ (1− )r j
r −1 T

Phillips dan Perron menurunkan uji statistik yang dapat digunakan untuk
menguji hipotesis koefisien θ dengan hipotesis nol (non-stationary). Uji PP
merupakan bentuk modifikasi dari uji DF t yang digunakan untuk mengukur

7
 kendala dari proses sisaan secara alami. Nilai kritis dari uji PP statistik tepat
sama dengan uji DF. Jadi prosedur uji PP dapat diaplikasikan melalui cara yang
dama dengan Uji DF.

b. Buku II
Kita telah mempelajari bagaimana menggunakan differencing untuk mendapatkan
deret waktu yang stasioner. Kita juga tahu bahwa differencing terhadap deret stasioner
juga akan menghasilkan deret waktu stasioner. Namun, differencing yang berlebihan
(overdifferencing)
akan mengakibatkan korelasi yang tidak perlu pada deret dan akan memperumit
proses pemodelan. Selain itu, akibat dari overdifferencing adalah membuat model
yang
tidak invertible. Model yang tidak invertible menyebabkan masalah serius pada saat
kita
mengestimasi parameter model.
Sebagai contoh misalkan { X t } adalah langkah acak (random walk). Melakukan
differencing dengan bentuk
∇ X t =X t −X t −1=ε t
Namun, jika kita differencing lagi, dengan kata lain melakukan over differencing, kita
akan mendapatkan
2
∇ X t =ε t −ε t −1
yang merupakan proses MA (1), tetapi dengan θ=¿ 1. Jika kita ambil dua kali
differencing kita akan mengestimasi nilai parameter yang tidak perlu.
Menspesifikasikan model MA (2,1) tidaklah tepat dalam hal ini. Langkah acak
(random walk) yang dianggap sebagai IMA (1,1) dengan θ=¿ 0 adalah model yang
tepat.
Untuk menghindari overdifferencing sangat disarankan untuk melihat dengan hati-hati
setiap beda (difference) dan mengingat prinsip irit (parsimony). Kita juga telah tahu
bahwa meluruhnya autokorelasi sampel secara linear sering merupakan indikasi
bahwa deret waktu tidak stasioner dan memerlukan differencing. Adalah hal yang
berguna jika kita juga mengetahui bukti ketidakstasioneran pada mekanisme
pembangkitan data. Hal ini dapat dilakukan melalui uji hipotesis. Misalkan model
X t =α X t −1 +Y t untuk t = 1,2.......

8
dengan {Yt} adalah proses stasioner. Proses {X t} tidak akan stasioner jika koefisien
α =1. Tetapi akan stasioner jika |α|< 1. Misalkan {Yt} adalah proses AR(k) yaitu
Y t =ϕ 1 Y t−1 +…+ ϕ k X t −k +ε t j=¿ ¿
Di bawah hipotesis nol bahwa α =1 , Y t= X t −X t −1. β=α−1 , kita akan peroleh
X t − X t−1=( α−1 ) X t −1+ Y t
¿ β X t−1 +ϕ 1 Y 1−1 +…+ ϕ k X t−k + ε t
¿ β X t−1 +ϕ 1 ( X t−1−X t−2)+ …+ ϕ k ( X t −k −X t −k−1 ) +ε t
Dengan β=¿ 0 di bawah hipotesis bahwa X t adalah beda takstasioner (difference
nonstationary). Di lain pihak jika {Xt}adalah stasioner maka -1 < α < 1, maka dapat
dicek bahwa Xt masih memenuhi persamaan di atas namun dengan koefisien yang
berbeda. Sebagai contoh,
β=( 1−ϕ 1−…−ϕ k ) ( 1−α ) <0
Sebenarnya {Xt} adalah proses AR(k+1) dengan persamaan karakteristik yang
diberikan oleh :
ϕ ( x )( 1−αx )=0
dengan ϕ ( x )=1−ϕ1 x−…−ϕ k . x k . Jadi dengan demikian hipotesis nol berhubungan
dengan kasus bahwa polinom karakteristik AR memiliki akar unit dan hipotesis
alternatif yang menyatakan bahwa tidak memiliki akar unit. Dengan demikian,
pengujian terhadap differencing pada dasarnya menguji akar unit pada polinom
karakteristik AR dari deret {Xt}

9
 BAB III
PERBEDAAN BUKU

A. KELEBIHAN BUKU
 Buku 1.
Pada buku 1 , materi yang diberikan lebih lengkap karena di jelaskan materi
mengenai berbagai macam test stastioneritas data sehingga kita mengetahui
bagaimana cara untuk membuat data tersebut menjadi stasioner. Penjelasan kalimat
dan pemilihan kata dapat dipahami. Sampul buku lebih menarik.
 Buku 2
Pada buku 2, materi yang diberikan lebih ringkas dan padat dengan memberikan
persamaan-persamaan rumus nya.

B. KEKURANGAN BUKU
 Buku 1
Pada buku 1, tidak ada penjelasan awal mengenai pengertian atau definisi mengenai
materi, tidak ada contoh soal maupun latihan soal.
 Buku 2
Pada buku 2, tidak ada penjelasan awal mengenai pengertian atau definisi materi,
tidak ada contoh soal mapupun latihan soal. Rumus yang diberikan lebih rumit tidak
ada penjelasannya, tidak ada diberikan mengenai macam-macam tes stasioner
sehingga memusingkan pembaca

10
 BAB IV

PENUTUP

A. KESIMPULAN
Dari dua buku yang sudah di review, semua buku memiliki kelebihan dan kekurangan.
Walaupun begitu materi yang ada pada buku ini sangat bermanfaat dan dapat menambah
wawasan. Dalam analisis runtun waktu data harus terlebih dahulu stasioner dan cara agar
membuat data menjadi stasioner adalah dengan melalui unit root test yang dilakukan
dengan melihat secara visual grafis melalui time series plot atau ada tidakya trend pada
variabel yang digunakan.

B. SARAN
Saran saya, saya menyarankan dalam pembuatan buku setidaknya diberi
penjelasan sedikit mengenai definisi materi. Dari kedua buku yang sudah saya review dan
dengan kelebiha serta kelemahan kedua buku tersebut, saya menyarankan atau
merekomendasikan buku 1 karena penjelasan lebih mudah dimengerti dan materi lebih
jelas.

11
 DAFTAR PUSTAKA

Juanda, B dan Junaidi. (2012). Ekonometrika Deret Waktu Teori dan Aplikasi. IPB Press:
Bogor

Sumarjaya,I,W. (2016). Modul Analisis Deret Waktu. Universitas Udayana: Bali

12