ANALISIS RUNTUN WAKTU

(1)

DR. ISMAIL DJAKARIA, M.Si.

Nonstasioner

ANALISIS RUNTUN WAKTU

(2)

Model stokastik dalam mendeskripsikan data time series terdiri dari model stasioner dan model

nonstasioner.

Model stasioner merupakan jenis model time series untuk data stasioner yakni data yang mempunyai tingkat rata-rata dan varian konstan atau tidak berubah signifikan dari waktu ke waktu.

Model time series untuk data stasioner meliputi model autoregressive (AR), moving average (MA), dan

autoregressive moving average (ARMA).

(3)

Namun, peramalan yang banyak dilakukan dalam

bidang industri, bisnis, dan ekonomi, di mana terdapat banyak data runtun waktu (time series), sering kali lebih baik direpresentasikan dengan model nonstasioner

yakni model yang tidak memiliki rata-rata konstan alami dari waktu ke waktu.

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

di bawah



(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(23)

(24)

(25)

(26)

(27)

(28)

(29)

(30)

(31)

(32)

(33)

(34)

(35)

(36)

(37)

(38)

(39)

(40)

(41)

(42)

(43)

(44)

(45)

(46)

(47)

(48)

(49)

(50)

(51)

(52)

(53)

(54)

(55)

(56)

(57)

(58)

(59)

(60)

(61)

(62)

(63)

(64)

(65)

(66)

(67)

(68)

(69)

(70)

(71)

(72)

(73)

(74)

(75)

(76)

(77)

(78)

(79)

Beberapa model time series lainnya untuk data yang nonstasioner selain model ARIMA (autoregressive

integrated moving average), adalah SARIMA (seasonal autoregressive integrated moving average), ARCH

(autoregressive conditional heteroskedasticity), GARCH (generalized autoregressive conditional heteroskedasticity), dan sebagainya.

Tugas: Buatkan resume tentang nonstasioner selain model ARIMA, yaitu ARCH, GARCH, dan

sebagainya

(80)

Oditopo = sekian

Odu olo

Terima kasih Thanks

Untuk pertemuan IV