Stationaritas data

Terdapat 3 jenis data, yaitu :
1. Cross Section.
2. Time Series.
3. Panel

1. Cross Section
Cross Section adalah sejumlah kumpulan data individu dalam satu waktu.
Contoh : Data total keuntungan sepuluh (10) perusahaan pada tahun 2012.

2. Time Series
Time Series adalah data sebuah perusahaan dalam kumpulan waktu.
Contoh : Data total keuntungan perusahaan ABC pada tahun 2000 - 2012.

3. Panel
Panel adalah data sejumlah kumpulan data individu dalam kumpulan waktu.
Contoh : Data total keuntungan sepuluh (10) perusahaan pada tahun 2010-2012.

Dalam pemodelan time series diperlukan keadaan stationeritas.

Stationeritas adalah sejumlah data deret waktu (time series) yang memiliki nilai rataan dan ragam yang konstan.

Ilustasi1
Data yang stationer

Sayangnya hanya sedikit data time series yang stationer, karena data time series memiliki keterikatan antar data (autokorelasi) dan tingginya fluktuasi data time series (heteroskedastisitas)

Karena itu diperlukan kondisi stationer pada data time series agar mampu menghilangkan autokorelasi dan heteroskedastisitas pada data time series. Data stationer mampu menghasilkan penduga parameter terbaik.

Terdapat 3 uji Stationeritas

1. Plot Data time series

2. Plot Correologram

3. Uji Unit root (Augmented Dickey Fuller – ADF)

1. Plot data time series

Uji ini dilakukan dengan melihat persebaran data.

Kelebihan:

Mudah dan gampang dilakukan

Kekurangan:

Terlalu subjektif.

Hasil interpretasi tidak dapat dipertanggungjawabkan secara statistik.

Ilustrasi 2
Data SBI tidak stationer pada tingkat level
Data Return stationer pada tingkat level

 

2. Plot correologram (ACF dan PACF)

Uji ini melihat dari nilai correologram apakah bernilai lebih dari nilai sk (selang kepercayaan).

Hipotesis:

H0 = stationer

H1 = tidak stationer.

Hasil dari uji hipotesis ini dilihat dari nilai p-value.

Kelebihan:

Hasil masih dapat dipertanggungjawabkan secara statistik.

Kelemahan :

Pada beberapa data, dapat dianggap tidak stationer.

Ilustrasi3
Dari plot correlogram, diketahui bahwa data SBI tidak stationer pada tingkat level
Dari plot correlogram, diketahui bahwa data Return stationer pada tingkat level

3. Uji Unit root (Augmented Dickey Fuller – ADF)

Hipotesis
H0 = tidak stationer (mempunyai unit root/akar unit)
H1 = stationer (tidak mempunyai unit root/akar unit)

Kelebihan:

Hasil dari uji Unit Root lebih dipercaya dibanding uji-uji lainnya.

Uji Persamaan ADF

Persamaan dengan intercept saja.

 
Persamaan dengan intercept dan trend.

Persamaan tanpa trend dan tanpa intercept (none)

Hipotesis uji ADF

H0 = δ ≠ 0 (has a unit root (tidak stationer))  

H1 = δ = 0 (hasn’t a unit root (Stationer)

Ilustrasi 4
Pada taraf nyata 5%, data SBI tidak stationer pada tingkat level.
Pada taraf nyata 5%, data return tidak stationer pada tingkat level

Apa yang terjadi jika data yang tidak stationer tetap digunakan untuk pemodelan?

Hasil pemodelan menghasilkan penduga parameter yang tidak baik, kecuali jika terjadi kointegrasi.
(Ditulis oleh Ivan Setiadi Tanujaya)



File untuk latihan.
Excel 2007
Eviews

Jika ada pertanyaan, silahkan datang ke kantor SC