P. 1
Analisis Data Deret Waktu

Analisis Data Deret Waktu

|Views: 2,519|Likes:

More info:

Published by: Aldila Sakinah Putri on Aug 24, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/16/2014

pdf

text

original

Perhatikan model fungsi transfer pada Persamaan (4.2). Untuk waktu t+k fungsi

transfer tersebut dapat ditulis menjadi

Yt+k = ν0Xt+k + ν1Xt+k-1 + ν2Xt+k-2 + . . . + ηt+k

(4.7)

Tanpa menghilangkan asumsi umum, dalam hal ini dapat diasumsikan µX = µY = 0,

sehingga jika Persamaan (4.2) dikalikan dengan Xt,

XtYt+k = ν0XtXt+k + ν1XtXt+k-1 + ν2XtXt+k-2 + . . . + Xtηt+k

dan diekpektasikan

E(XtYt+k) = ν0 E(XtXt+k) + ν1 E(XtXt+k-1) + ν2 E(XtXt+k-2) + . . . + E(Xtηt+k)

maka diperoleh kovarians silang Xt dengan Yt

γXY(k) = ν0 γXX(k) + ν1 γXX(k-1) + ν2 γXX(k-2) + . . .

sehingga jika Var.(X) = σX2

dan Var.(Y) = σY2

maka korelasi silangnya

ρXY(k) =

Y

X

σ

σ

{ν0 ρX(k) + ν1 ρX(k-1) + ν2 ρX(k-2) + . . .}

(4.8)

Dari Persamaan (4.8) tersurat, hubungan antara CCF, ρXY(k) , dan nilai fungsi respon

impuls, νi , “terkotori” (contaminated) oleh struktur autokorelasi dari deret masukan, Xt ,

sehingga jika pada Persamaan (4.3), r = 0, dan fungsi transfer ν(B) hanya memiliki

pembobot respon impuls yang banyaknya berhingga, maka menentukan penaksir νi

berdasarkan formulasi Persamaan (4.8) menjadi sulit, karena varians-kovarians sampel

untuk menaksir ρXY(k) juga “terkotori” oleh struktur autokorelasi dari deret masukan Xt

tersebut, sehingga pengujian keberartian ρXY(k) dan νk juga menjadi sulit.

Dalam hal deret masukan adalah kekeliruan model (noise), yang berarti ρX(k) = 0

untuk k ≠ 0, maka Persamaan (4.8) dapat direduksi menjadi

87

νk =

X

Y

σ

σ

ρXY(k)

(4.9)

sehingga pembobot respon impuls, νk, merupakan proporsi langsung (directly

proportional) dari korelasi silang ρXY(k). Dari hasil paparan tersebut ada beberapa

kesimpulan yang dapat dikemukakan,

1. CCF, ρXY(k) , hanya didefiniskan pada data bivariat yang merupakan stasioner

gabungan, dalam hal tidak stasioner maka sebelum dilakukan perhitungan, harus

dilakukan dulu proses stasioneritas untuk masing-masing variabel masukan dan

keluaran.

2. Dalam model fungsi transfer umum,

Yt = ν(B)Xt + ηt ,

variabel masukan, Xt, diasumsikan mengikuti model ARMA(k,p),

φk(B)Xt = ψp(B)εt,

εt kekeliruan yang diasumsikan saling bebas dengan rata-rata 0 dan varians konstan

σ2

, yang dalam data deret waktu biasa dinamakan white noise

sehingga εt yang sama dengan

εt =

t

p

k

X

)
B

(

)
B

(

ψ

φ

yang biasa dinamakan deret masukan “pemutih” (prewhitened input series).

Dengan menggunakan analogi dan terminologi deret “pemutih” masukan, dapat

didefinisikan deret keluaran “pemutih” (prewhite output series),

δt =

t

p

k

Y

)
B

(

)
B

(

ψ

φ

sehingga jika didefinisikan Ξt =

)
B

(

)
B

(

p

k

ψ

φ

ηt , atau

)
B

(

)
B

(

p

k

ψ

φ

=

t

t

η

Ξ

, maka secara umum

model fungsi transfer menjadi

Yt = ν(B)Xt + ηt

t

t

Ξ

η

δt = ν(B)

t

t

Ξ

η

εt + ηt δt = ν(B)εt + Ξt

ν(B) =

t

t

t

t

ε

Ξ

ε

δ

88

sehingga pembobot respon impuls, νj , untuk fungsi transfer dihitung berdasarkan

persamaan

νk =

ε

δ

σ

σ

ρδε(k) ,

(4.10)

dengan σδ2

, σε2

, ρδε(k) , masing-masing varians δt , εt , dan korelasi silang δt dengan εt+k.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->