Analisis Time Series

Analisis time series Adalah jenis analisis yang

melibatkan penggunaan data deret waktu
atau data time series untuk membuat model
yang akan digunakan sebagai dasar
peramalan.
Pada umumnya, terdapat tiga jenis data yang tersedia
untuk analisis empiris yakni data cross section, data time
series atau data deret waktu, dan data panel (gabungan
data cross-section dan time series).
Pemodelan dan peramalan yang melibatkan penggunaan
data cross section telah banyak kita bahas dalam materi
analisis regresi, sedangkan pemodelan dan peramalan
berdasarkan data panel dibahas dalam materi
ekonometrika.
Untuk analisis time series atau analisis deret waktu, kita
akan fokus pada pemodelan dan peramalan dengan
menggunakan data time series. Dengan demikian,analisis
time series yaitu analisis yang melibatkan penggunaan
data deret waktu atau data time series untuk membuat
model yang akan digunakan sebagai dasar peramalan
Pentingnya Analisis Time Series
• Dengan menguasai analisis time series, kita dapat
memahami penyebab yang mendasari suatu tren
atau pola sistemik yang terjadi dari waktu ke waktu.
Dengan visualisasi data, kita dapat melihat tren
musiman dan menggali lebih dalam mengapa tren
ini terjadi. Dengan metode time series yang tepat,
kita dapat memprediksi kemungkinan kejadian di
masa depan dengan lebih baik.
Beberapa model yang dapat diandalkan untuk menghasilkan
peramalan. Beberapa model yang akan dipelajari seperti
model autoregressive (model AR), model moving average
(model MA), dan model autoregressive moving average
(model ARMA). Ketiga model ini termasuk model untuk data
time series yang stasioner.Selain itu, kita juga akan
membahas model data time series nonstasioner seperti
model ARIMA (autoregressive integrated moving average),
model untuk data nonstasioner dengan pola musiman seperti
SARIMA (Seasonal ARIMA), dan model untuk data time series
nonstasioner yang menunjukkan volatilitas yang tinggi
(heteroskedastis) seperti ARCH-GARCH.
Contoh Analisis Time Series

Gambar 1 berikut yang menunjukkan

total penumpang bulanan pada suatu
maskapai penerbangan internasional
AS selama 12 tahun dari Januari 1949
sampai Desember 1960.
Gambar 2 di atas menunjukkan hasil peramalan yang
menakjubkan, bukan? Penasaran bagaimana hasil
tersebut diperoleh? Dengan menguasai analisis time
series, Anda dapat membuat banyak model
peramalan sesuai dengan data yang tersedia untuk
memperkirakan kemungkinan suatu kejadian akan
terjadi atau memperkirakan nilai di masa mendatang
dari suatu fenomena dengan lebih baik.