ANALISIS TIME SERIES
TIME SERIES
• Time series atau deret waktu adalah himpunan observasi
data terurut
• Metode time series adalah metode peramalan dengan
menggunakan analisa pola hubungan antara variabel
yang akan dipekirakan dengan variabel waktu.
• Peramalan suatu data time series perlu memperhatikan
tipe atau pola data.
POLA DATA TIME SERIES
• Pola horizontal merupakan kejadian yang
tidak terduga dan bersifat acak, tetapi
kemunculannya dapat memepengaruhi
fluktuasi data time series.
• Pola trend merupakan kecenderungan arah
data dalam jangka panjang, dapat berupa
kenaikan maupun penurunan.
POLA TIME SERIES
• Pola musiman merupakan fluktuasi dari
data yang terjadi secara periodik dalam
kurun waktu satu tahun, seperti triwulan,
kuartalan,bulanan, mingguan, atau harian.
• Pola siklis merupakan fluktuasi dari data
untuk waktu yang lebih dari satu tahun.
JENIS DATA BERDASARKAN WAKTU
• Cross-section data, yakni jenis data yang
dikumpulkan untuk/pada sejumlah
individu/kategori untuk sejumlah variabel
pada suatu titik waktu tertentu.
• Model yang digunakan untuk
memodelkan data tipe ini seperti model
regresi (cross-section)
• Time Series (deret waktu) data yakni jenis data
yang dikumpulkan menurut urutan waktu dalam
suatu rentang waktu tertentu.
• Jika waktu dipandang bersifat diskrit (waktu
dapat dimodelkan bersifat kontinu), frekuensi
pengumpulan selalu sama (equidistant).
• Dalam kasus diskrit, frekuensi dapat berupa
misalnya detik, menit, jam, hari, minggu, bulan
atau tahun.
• Panel/Pooled data, yakni tipe data yang dikumpulkan
menurut urutan waktu dalam suatu rentang waktu
tertentu pada sejumlah individu/kategori.
• Model yang digunakan untuk pemodelan data tipe ini
seperti model data panel, model runtun waktu
multivariat.
• Secara ekuivalen, dikenal juga tipe data Longitudinal,
dengan frekuensi data tidak harus equidistant, namun
analisa fokusnya berbeda dengan model panel.
ANALISIS TIME SERIES
• REGRESI LINIER BERGANDA BESERTA
PEMBETULAN PADA UJI ASUMSI KLASIK
• VECM
• ARIMA

Analisis Time Series

  • 1.
  • 2.
    TIME SERIES • Timeseries atau deret waktu adalah himpunan observasi data terurut • Metode time series adalah metode peramalan dengan menggunakan analisa pola hubungan antara variabel yang akan dipekirakan dengan variabel waktu. • Peramalan suatu data time series perlu memperhatikan tipe atau pola data.
  • 3.
    POLA DATA TIMESERIES • Pola horizontal merupakan kejadian yang tidak terduga dan bersifat acak, tetapi kemunculannya dapat memepengaruhi fluktuasi data time series. • Pola trend merupakan kecenderungan arah data dalam jangka panjang, dapat berupa kenaikan maupun penurunan.
  • 4.
    POLA TIME SERIES •Pola musiman merupakan fluktuasi dari data yang terjadi secara periodik dalam kurun waktu satu tahun, seperti triwulan, kuartalan,bulanan, mingguan, atau harian. • Pola siklis merupakan fluktuasi dari data untuk waktu yang lebih dari satu tahun.
  • 5.
    JENIS DATA BERDASARKANWAKTU • Cross-section data, yakni jenis data yang dikumpulkan untuk/pada sejumlah individu/kategori untuk sejumlah variabel pada suatu titik waktu tertentu. • Model yang digunakan untuk memodelkan data tipe ini seperti model regresi (cross-section)
  • 6.
    • Time Series(deret waktu) data yakni jenis data yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu. • Jika waktu dipandang bersifat diskrit (waktu dapat dimodelkan bersifat kontinu), frekuensi pengumpulan selalu sama (equidistant). • Dalam kasus diskrit, frekuensi dapat berupa misalnya detik, menit, jam, hari, minggu, bulan atau tahun.
  • 7.
    • Panel/Pooled data,yakni tipe data yang dikumpulkan menurut urutan waktu dalam suatu rentang waktu tertentu pada sejumlah individu/kategori. • Model yang digunakan untuk pemodelan data tipe ini seperti model data panel, model runtun waktu multivariat. • Secara ekuivalen, dikenal juga tipe data Longitudinal, dengan frekuensi data tidak harus equidistant, namun analisa fokusnya berbeda dengan model panel.
  • 8.
    ANALISIS TIME SERIES •REGRESI LINIER BERGANDA BESERTA PEMBETULAN PADA UJI ASUMSI KLASIK • VECM • ARIMA