DATA TIME

SERIES
&
STASIONERITAS
DATA
 ANGGOTA
KELOMPOK 6
1 Nayla Izzatun N.

2 Syifana Della S. 3 Azuma Furqani R.

4 Salma Alifiah Z.
APA ITU TIME SERIES?

-> Data time series adalah data dari suatu

indikator yang tersusun dari waktu ke waktu,
kemudian disusun sebagai data statistik sebagai
data berkala. Data time series ini dapat berupa
beberapa waktu periode, seperti harian, bulanan, Contoh : Data Inflasi, Data ekspor-
Impor, Data GDP.
triwulan dan tahunan.

.
Komponen Dasar Data Time Series

1. Trend 2. Musiman
Kondisi data yang menaik atau menurun dari waktu ke Kondisi data yang menaik dan menurun secara berulang
waktu. Grafik diatas menunjukkan data yang termasuk dengan pola yang tetap dari waktu ke waktu. Grafik diatas
kompenen trend naik. menunjukkan data yang termasuk komponen musiman.

Komponen Dasar Data Time Series

3. Siklikal 4. Irregular
Kondisi data yang menaik atau menurun secara berulang Kondisi data yang tidak beraturan. Grafik diatas
tapi dengan rentang waktu yang bervariasi. Grafik diatas menunjukkan data yang termasuk komponen irregular
menunjukkan data yang termasuk komponen siklikal.

 APA ITU
STASIONERITAS?
Konsep penting dalam analisis time series. Data time series
dikatakan stasioner apabila nilai rata-rata dan variansnya tidak
mengalami perubahan yang secara sistematik sepanjang waktu
atau dengan kata lain, rata-rata dan variansnya konstan.
 UJI STASIONERITAS
Suatu data dikatakan stasioner, apabila:
• Menunjukkan mean reversion, dimana data
berfluktuasi di sekitar rata-rata (mean) jangka
panjang yang konstan.
• Memiliki varian terbatas (finite variance) yang
bersifat time-invariant.
• Memiliki korelogram yang semakin berkurang
seiring dengan bertambahnya panjang lag (lag
length).
UJI STASIONERITAS
PEMERIKSAAN STASIONERITAS DATA TIME
SERIES MENGGUNAKAN GRAFIK
1 DATA TIME SERIES
STASIONERITAS
Pada gambar di atas terlihat jelas bahwa rata-
rata dan varians dari data pharmaceutical
product sales adalah konstan sepanjang
waktu. Dengan demikian, data tersebut adalah
stasioner.
2 DATA TIME SERIES NON
STASIONERITAS
Pada gambar di atas, terlihat jelas bahwa ada tren
menaik sehingga rata-rata menjadi tidak konstan
sepanjang waktu. Selain itu, juga tampak adanya
peningkatan varians terutama menjelang akhir
periode data tersebut. Dengan demikian, data
tersebut tidak stasioner pada rata-rata dan varians.
 UJI UJI AKAR UNIT /
NONSTASIONERITAS
Salah satu konsep formal yang dipakai untuk
mengetahui stasioneritas data adalah melalui uji akar
unit (unit root test). Uji ini merupakan pengujian yang
populer, dikembangkan oleh David Dickey dan Wayne
Fuller dengan sebutan Augmented Dickey-Fuller (ADF)
Test.

Jika suatu data time series tidak stasioner pada orde

nol, I(0), maka stasioneritas data tersebut bisa dicari
melalui order berikutnya sehingga diperoleh tingkat
stasioneritas pada order ke-n (first difference atau I(1),
atau second difference atau I(2), dan seterusnya.
 DICKEY-FULLER TEST
Uji Dicky-Fuller digunakan untuk menguji suatu deret
waktu stasioner atau tidak. Konsep dari pengujian ini erat
kaitannya dengan Random Walk. Artinya jika, kita
mengetahui apa itu random walk, maka akan sangat
membantu memahami uji Dicky-Fuller. Satu hal penting
yang harus diketahui yaitu random walk adalah deret
yang tidak stasioner.

Hipotesis untuk pengujian ini adalah :

H0 : δ = 0 (terdapat unit root, tidak stasioner)
H1 : δ ≠ 0 (tidak terdapat unit root, stasioner)
BENTUK LAIN DATA
TIME SERIES

Random walk hypothesis

Trend-Stationary
Augmented Dickey Fuller

Test
Augmented Dickey Fuller Test merupakan salah
satu uji yang digunakan untuk mengukur
kestasioneran dalam rataan. Dickey dan Fuller
menjelaskan hipotesis dari pengujian ini adalah:

𝐻0 ∶ 𝛾 = 0 (Terdapat unit roots, data tidak

stasioner dalam rataan)
𝐻1∶ 𝛾 ≠ 0 (Terdapat unit roots, data stasioner
dalam rataan)

Dengan melihat nilai p-value, jika p-value < α 5%

maka tolak 𝐻0 yang artinya data sudah
stasioner dalam rataan, dan jika p-value > α 5%
maka kebalikannya.
Uji Stasioneritas Augmented-Dickey Fuller Test

dengan Eviews
1. Salin data yang

ingin diolah

\ kemudian tempel

pada spreadsheets

Eviews dengan cara

mengklik "Quick"

Received
lalu "Empty
Offline Test and
group"
Announcement Interview
Uji Stasioneritas Augmented-Dickey Fuller Test

dengan Eviews
2. Setelah data sudah

ada, klik "View" lalu

\ "Unit Root Tests" dan

pilih yang "Standart"

untuk mulai menguji

data
Received Offline Test and
Announcement Interview
Uji Stasioneritas Augmented-Dickey Fuller Test

dengan Eviews
3. Pilih "level" pada

kolom unit root test,

\ lalu OK

Received Offline Test and

Announcement Interview
Uji Stasioneritas Augmented-Dickey Fuller Test

dengan Eviews
4. Setelah itu akan

muncul hasil seperti ini,

\ karena T-statistics

lebih besar dari nilai

Test critical value,

maka data ini belum

Received
stasioner
Offline Test and
Announcement Interview
Uji Stasioneritas Augmented-Dickey Fuller Test

dengan Eviews
5. Agar data stasioner,

klik lagi "View" pada

\ hasil yang tadi, lalu

ganti pilihan level

dengan "1st difference"

Received Offline Test and

Announcement Interview
Uji Stasioneritas Augmented-Dickey Fuller Test

dengan Eviews
6. Setelah itu akan

mendapat hasil seperti

\ ini, dan T-Statistics

sudah lebih kecil dari

Test Critical Value

maka data ini sudah

Received
stasioner.
Offline Test and
Announcement Interview
THANK YOU