P. 1
Analisis Data Deret Waktu

Analisis Data Deret Waktu

|Views: 5,619|Likes:
Published by uneholicz

More info:

Published by: uneholicz on Aug 23, 2009
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

08/03/2013

pdf

text

original

Buku Ajar

ANALISIS DATA DERET WAKTU

Case Number

81

76

71

66

61

56

51

46

41

36

31

26

21

16

11

6

1

Value

4.0

3.5

3.0

2.5

2.0

1.5

1.0

.5

LN

Unstandardized Predi

cted Value

Disusun oleh

MULYANA

UNIVERSITAS PADJADJARAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

JURUSAN STATISTIKA

2004

Unstandardized Residual

1.5

1.0

.5

0.0

-.5

-1.0

-1.5

LN

3.5

3.0

2.5

2.0

1.5

1.0

.5

Unstandardized Residual

1.5

1.0

.5

0.0

-.5

-1.0

-1.5

Unstandardized Predicted Value

2.5

2.4

2.3

2.2

2.1

i

PENGANTAR

Buku ini disusun dalam upaya membantu mahasiswa Jurusan Statistika FMIPA

Unpad, untuk bisa memahami materi perkuliahan Analisis Data Deret Waktu khususnya,

umumnya mahasiswa lain, peminat, atau pengguna ilmu Statistika sebagai alat untuk

menyelesaikan persoalan penelitian, yang menyangkut peramalan data deret waktu

univariat. Buku ini direncanakan ditulis dalam dua bagian, bagian pertama telaahan

tentang analisis regresi deret waktu univariat, yang ditujukan untuk bahan ajar atau

pengetahuan mahasiswa program S-1, sedangkan bagian kedua telaahan tentang analisis

regresi deret waktu multivariat (regresi deret waktu vektor), yang ditujukan untuk

mahasiswa program S-2. Walaupun pada buku ini banyak disajikan formulasi matematis,

diharapkan dapat juga dipahami oleh mahasiswa bukan bidang ilmu Statistika-

Matematika.

Penulis yakin, buku ini masih jauh dari “predikat baik” apalagi sempurna, sehingga

segala kritik dan saran yang bertujuan untuk perbaikan buku ini, sangat diharapkan.

Walaupun dengan segala keterbatasan dan kekurangan, diharapkan buku ini ada

manfaatnya untuk pengetahuan dan pengembangan ilmu Statistika.

Januari , 1 September 2004

Penulis

ii

DAFTAR ISI

Halaman

Kata Pengantar

i

Daftar Isi

ii

Bab 1 Pendahuluan

1

1.1. Regresi Deret Waktu

2

1.2. Proses Analisis Untuk Data Deret Waktu

4

1.3. Sasaran Analisis Data Deret Waktu

5

Bab 2 Analisis Dalam Kawasan Waktu

7

2.1. Autokorelasi dan Autokorelasi Parsial

7

2.2. Stasioneritas

15

2.3. Model Regresi Deret Waktu

20

2.4. Identifikasi Model

33

2.5 Transformasi Stabilitas Varians

38

2.6. Analisis Residual

42

Bab 3 Peramalan

47

3.1. Ekstrapolasi Trend

48

3.2. Eksponensial Sederhana

56

3.3. Holt

59

3.4. Winters

61

3.5. Holt-Winters

65

3.6. Box-Jenkins

69

3.7. Autoregresi Stepwise

75

3.8. Peramalan Multivariat

76

3.9. Pemilihan Metode

76

Bab 4 Model Fungsi Transfer

79

4.1. Konsepsi Umum

79

4.2. Korelasi Silang

84

iii

4.3. Hubungan Korelasi Silang Dengan Fungsi Transfer

86

4.4. Membangun Fungsi Transfer

88

4.5. Penaksiran Pada Fungsi Transfer

91

4.6. Rata-Rata Hitung Kuadrat Kekeliruan

93

4.7. Contoh Numerik

96

Bab 5 Analisis Spektral

106

5.1. Fungsi Spektral

107

5.2. Periodogram

108

5.3. Metode Windowing

110

5.4. Metode Fast Fourier Transform (metode FFT)

114

5.5. Distribusi Peluang Spektral

116

5.6. Transformasi Data

117

Kepustakaan

124

Lampiran 1

125

Lampiran 2

127

1

BAB 1

PENDAHULUAN

Pada dasarnya setiap nilai dari hasil pengamatan (data), selalu dapat dikaitkan dengan

waktu pengamatannya. Hanya pada saat analisisnya, kaitan variabel waktu dengan

pengamatan sering tidak dipersoalkan. Dalam hal kaitan variabel waktu dengan

pengamatan diperhatikan, sehingga data dianggap sebagai fungsi atas waktu, maka data

seperti ini dinamakan Data Deret Waktu (Time series). Banyak persoalan dalam ilmu

terapan yang datanya merupakan data deret waktu, misalnya dalam bidang ilmu

a. ekonomi : banyak barang terjual dalam setiap hari, keuntungan perusahaan dalam

setiap tahun, total nilai ekspor dalam setiap bulan,

b. fisika : curah hujan bulanan, temperatur udara harian, gerak partikel,

c. demografi : pertumbuhan penduduk, mortalitas dan natalitas,

d. pengontrolan kualitas : proses pengontrolan kualitas produk, pengontrolan proses

produksi,

e. biomedis : denyut nadi, proses penyembuhan, pertumbuhan mikroba.

Karena data deret waktu merupakan regresi data atas waktu, dan salah satu segi

(aspect) pada data deret waktu adalah terlibatnya sebuah besaran yang dinamakan

Autokorelasi (autocorrelation), yang konsepsinya sama dengan korelasi untuk data

bivariat, dalam analisis regresi biasa. Signifikansi (keberartian) autokorelasi menentukan

analisis regresi yang harus dilakukan pada data deret waktu. Jika autokorelasi tidak

signifikans (dalam kata lain data deret waktu tidak berautokorelasi), maka analisis regresi

yang harus dilakukan adalah analisis regresi sederhana biasa, yaitu analisis regresi data

atas waktu. Sedangkan jika signifikans (berautokorelasi) harus dilakukan analisis

regresi data deret waktu, yaitu analisis regresi antar nilai pengamatan. Segi lain dalam

data deret waktu adalah kestasioneran data yang diklasifikasikan atas stasioner kuat

(stasioner orde pertama, strickly stationer) dan stasioner lemah (stasioner orde dua,

weakly stationer), dan kestasioner ini merupakan kondisi yang diperlukan dalam analisis

data deret waktu, karena akan memperkecil kekeliruan baku.

2

Dalam teori Statistika, setiap data deret waktu dibangun atas komponen trend (T),

siklis (S), musiman (M, untuk data bulanan), dan variasi residu (R). Bentuk hubungan

antara nilai data dengan komponen-komponennya tersebut bisa bermacam-macam, dan

bentuk hubungan yang sering digunakan adalah linier dan multiplikatif. Jika xt nilai data

pada waktu-t dan hubungan dengan komponennya linier, maka persamaannya

xt = Tt + St + Mt + Rt , jika t : bulanan

(1.1)

xt = Tt + St + Rt

, jika t : tahunan

(1.2)

dan multiplikatif, maka persamaannya

xt = T.S.M.R , jika t : bulanan

(1.3)

xt = T.S.R , jika t : tahunan

(1.4)

Sebagai akibat dari terdapatnya komponen-komponen dalam data deret waktu dan

terjadinya hubungan antar komponen, adalah berautokorelasinya antar pengamatan

sehingga dapat dibangun sebuah hubungan fungsional yang dinamakan regresi deret

waktu.

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)//-->