Konsep Dasar Time Series - Sodik
Konsep Dasar Time Series - Sodik
SERIES
Jamzani Sodik
Data
Cross
Section
Time
Data
Series
Panel
Jenis Data-1
Data Cross-Section
Adalah nilai variabel dari suatu individu yang disusun menurut urutan waktu
Data time seris bisa berupa data harian, mingguan, bulanan, triwulanan
maupun tahunan dan lain sebagainya.
Univariate Multivariate
Regresi
Sederhana
Single equation
Regresi Berganda
Linear
Model Simultan
System Equation
Non Liner
(multi equation)
Bukan simultan
Introduction
Time series adalah suatu himpunan pengamatan yang dibangun
secara berurutan dalam waktu. Waktu atau periode yang dibutuhkan
untuk melakukan suatu peramalan itu biasanya disebut sebagai lead
time yang bervariasi pada tiap persoalan.
Berdasarkan himpunan pengamatan yang tersedia maka time series
dikatakan kontinu jika himpunan pengamatan tersebut adalah
kontinu dan dikatakan diskrit bila himpunan pengatamatan tersebut
juga diskrit.
Pola Data Time Series
Trend
Cyclical
Seasonal
Irreguler
Pola data time series
1. Trend, Yaitu komponen jangka panjang yang mendasari pertumbuhan (atau penurunan)
suatu data runtut waktu. Merupakan pergerakan meningkat atau menurun. Contoh: jumlah
pengguna seluler yang terus bertambah.
2. Cyclical, yaitu suatu pola dalam data yang terjadi setiap beberapa tahun. fluktuasi atau
siklus dari data runtut waktu akibat perubahan kondisi ekonomi
3. Seasonal, yaitu pola data yang berulang pada kurun waktu tertentu. fluktuasi musiman yang
sering dijumpai pada data kuartalan,bulanan atau mingguan. Contoh: menjelang lebaran
jumlah permintaan uang naik, penjualan pakaian meningkat
4. Irregular, yaitu pola acak yang disebabkan oleh peristiwa yang tidak bisa diprediksi atau
tidak beraturan.
Konsep dasar time series
Deterministic Process
Stochastic/Random
Konsep
process
Stationarity process
Proses Deterministik : jika dari pengalaman yang lalu keadaan
yang akan datang dari suatu barisan kejadian dapat diramalkan
secara pasti, maka barisan kejadian itu dinamakan
deterministik
Proses Stokastik : jika pengalaman yang lalu hanya dapat menyajikan
struktur peluang keadaan yang akan datang, maka barisan kejadian yang
demikian disebut stokastik. Hull, 1989 setiap nilai yang berubah
terhadap waktu dengan cara yang tidak tertentu (dalam ketidakpastian)
dikatakan mengikuti proses stokastik.
Proses Stokastik : suatu proses yg menghasilkan rangkaian nilai2 peubah
acak yg menggambarkan perilaku data pada berbagai kondisi.
Stasioner
Data time series dikatakan stasioner jika rata–rata, varian dan
covarian dari variabel–variabel tersebut seluruhnya tidak dipengaruhi oleh
waktu atau dengan kata lain konstan.
11.5 0.2
11.0
0.1
10.5
0.0
10.0
9.5
9.0
-0.2
atau log)
8.5
8.0 -0.3
70 75 80 85 90 95 00 70 75 80 85 90 95 00
11.0
9.5
-0.05
difference (unit atau
9.0
70 75 80 85 90 95 00
-0.10
70 75 80 85 90 95 00
log) relatif akan
LOG(GDPR ) DLOG(GDPR)
stasioner
0.5 0.3
0.4
0.2
0.3
0.1
0.2
0.0
0.1
-0.1
0.0
-0.1 -0.2
70 75 80 85 90 95 00 70 75 80 85 90 95 00
R IR D(RIR)
20
Pengujian Kestasioneran data
Correlogram
DF-ADF test
Phillips-Perron
The Kwiatkowski, Phillips, Schmidt, and Shin (KPSS)
Test
Elliot, Rothenberg, and Stock Point Optimal (ERS) Test
Ng and Perron (NP) Tests
Single Moving
Average (SMA)
Metode Rata-rata
Linear Moving
Bergerak (Moving
Average
Average)
Weighted Moving
Average