Model ECM (Error Correction Model)

OLAH DATA STATISTIK

Terkadang terdapat beberapa kombinasi variabel dependen dengan independen yang data levelnya tidak stationer, namun kombinasi linier antara keduanya menjadi stationer.

Jika 2 variabel ini dipaksakan untuk diregresikan, maka regresi yang dihasilkan kadang kala baik-baik saja.

Akan tetapi interpretasi hasil analisis tidak sesuai dengan kenyataan sesungguhnya. Kedua variabel ini, seringkali disebut berkointegrasi.

Regresi ini seringkali disebut spurious regression (regresi palsu), dikarenakan terdapat kondisi kointegrasi.

Kointegrasi?

Kointegrasi adalah kombinasi linier antar variabel-variabel yang tidak stationer shingga menghasilkan peubah baru yang stationer (U_t)

Sehingga persamaan seimbang hanya untuk jangka panjang saja.

Maka, cara mengatasinya adalah dengan model ECM.

ARIMA - PEMODELAN PERAMALAN BERKALA

OLAH DATA STATISTIK

Tujuan Pemodelan ARIMA :

Untuk memahami dan menjelaskan mekanisme tertentu dengan variabel independen itu sendiri,

sekaligus meramalkan suatu nilai di masa depan, mengoptimalkan sistem kendali .

Tahap-tahap dalam pemodelan ARIMA :

1. Uji Stationeritas Data.

2. Mendeteksi model dengan plot correlogram.

3. Memilih model terbaik yang sesuai dengan beberapa asumsi-asumsi, yang akan saya jelaskan setelah ini.

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.