TIME SERIES ANALYSIS

Definisi : suatu rangkain nilai variabel yang didapatkan dari hasil obeservasi secara historis dan berkala
yang menggambarkan secara konorolgis suatu karakteristik populasi. Analisis yang dimaksud adalah
dalam rangka menentukan ukuran2 yang dapat digunakan untuk membuat keputusan, mearamal, dan
merencanakan operasi diwaktu mendatang seingga secara singkat dapat dinyatakan

Ada 8 konsep yang harus dipahami :

1. Stochastic process : proses pengumpulan variabel random yang dilakukan sesuai dengan
penentuan dalam satu priode. Jika variabel random Y kita lakukan observasi secara kontinu, maka
dinotasikan dengan Y(t). tetapi jika dilakukan secara diskret maka dinotasikan dg Yt. Perbedaan antara
proses stokastik dan realisasi sama dg jarak antara populasi dan sampel pada data cross section, dalam
time series kit amenggunakan realisasi untuk menggambarkan kesimpulan tentang pokok proses
stokastik.
Stationary stochastic processes
Tipe proses stokastik yang telah disepakati bersama dan diteliti oleh analisis time series disebut
proses stokastik stasioner. Secara luas berarti, proses stokastik dikatakan stasioner jika mean dan
varians adalah konstan untuk beberapa waktu dan nilai kovarian antara dua periode tergantung hanya
pada jarak atau gap lag antara dua periode waktu dan tidak dg waktu yg sesungguhnya dimana kovaian
dihitung. Kita anggap Y berubah dari Yt ke Yt-m, sekarang jika Yt menjadi stasioner, Mean , varians, dan
autokovarians dari Yt-m harus sama sebagai Yt. Pendek kata, jika time series adalah stasioner, itu berarti
mean, varian, dan autokovarian (macam2 lag) akan tetap sama tidak peduli titik mana yang akan
diukur. Karena mereka adlah time invariant. Disetiap time series akan cenderung kembali ke rata2
(mean reversion) dan fluktuasi berada disekitar mean (diukur oleh varian)

Nonstationary stochastic processes

meski kita tertarik dengan stasioner dalam time series, tetapi tidak menutup kemungkinan jika
kita akan menghadapi nonstasioner dalam time series. Contoh klasik nya adalah random walk model
(RWM). RWM dibedakan menjadi 2 yaitu (1) RWM tanpa pergerakan, dan (2) RWM denga pergerakan

- RWM tanpa pergerakan

Anggap ut adalah istilah error dalam mean 0 dan varians 2. Kemudian rangkaian Y dikatakan berjalan
random jika

Yt = Yt-1 + ut

Dalam persamaan diatas menunjukan jika nilai Y pada waktu t adalah sama dengan nilai Y pd waktu (t-
m) ditambah dengan shock random. Persamaan diatas merupakan sebagai regresi dari Y pada waktu t
dalam nilai lag satu periode. Penganut dalam hipotesis efisiensi pasar modal menganggap bahwa harga
modal secara utama bersifar randomdan oleh karena itu disana tidak ada kesempatan untuk
berspekulasi keuntungan dalam pasar modal.
 Dalam ekspresi yang ditunjukan sebelumnya, mean dari Y adalah bernilai konstan tetapi ketika t
bertambah maka varians juga akan bertambah yang kemudian mengganggu pola kondisi stasioner.
Singkatnya, RWM tanpa pergerakan adalah proses stokastik nonstasioner. Dari pers. Yt= Y0 + ut adalah
Yt jumlah dari Y0 ditambah jumlah shock random. Jumlah ut diketahui sebagai tren stokastik.

Dengan menarik , jika pers Yt = Yt-1 + ut ditulis sebagai

(Yt Yt-1) = Yt = Ut

Domana adalah penyelenggara perbedaan pertama yng sebelumnya didiskusikan pada chapter 12, hal
tsb menunjukan saat Yt non stasioner, maka perbedaan pertama adalah stasioner. Dg kata lain,
perbedaan pertama fari RWM adlah stasioner.

-Random walk with Drift

Misal pers . Yt = + Yt-1 + ut

Dimana diketahui sebagai parameter penggerak. Nama penggerak datang dari fakta dari pers yang
telah ditulis sebelumnya yakni,

Yt Yt-m = Yt = +ut

Pers tsb menunjukan Yt bergerak keatas atau kebawah, tergantung pada bernilai positif atau negative

Untuk RWM dengan drift mean maupun varians meningkat sepanjang waktu, sekali lagi akan
menganggu kondisi stasioner. Pendek akata, RM dengan atau tanpa drift adalah proses stokastik
nonstasioner.

2. Unit Root Stochastik Proces

Misal kita tulis RWM sebagai : Yt = pYt-1 + ut -1 p 1

Jika p = 1 pers. Diatas menjadi RWM (tanpa drift) . Jika p adalah fakta 1, kita mengetahu nya sebagai unit
root problem yg merupakan situasi non stasioner. Nama unit root dalam kaitan dengan fakta bahwa p =
2.jadi istilah nonstasioner, random walk, unit root, dan tren stokastik sesungguhnya memiliki arti sama.

- trend stationary (TS) and difference stationary (DS) stochastic processes

Jarak antara stasioner dan nonstasioner proses stokastik (atau time series) memiliki crucial
bearing seperti pada trend yang diamati dalam grafik time series yang dibuat (21.3 dan 21.4) atau time
series ekonomi actual (gambar 21.1 dan 21.3 adalam deterministic atau stokastik. Dg luas, jika trend
dalam analisis time series adalah funsi deterministic waktu, seperti time-squared dll. Kita dapat
menyebetunya trend deterministic, sedangkan jika tidak dapat diprediksi maka kita menyebutnya trend
stokastik.

Misal kita tulis pers. (Yt Yt-1) = Yt = Bt + ut

 Itu berarti Yt akan menunjukan tren positif (B1 > 0) atau negative (B1 < 0). Tren tersebut disebut
sebagai tren stokastik. Pers diatas merupakan DSP karena nonstasioner dalam Yt dapat dihilangkan oleh
penggambilan perbedaan pertama dari time series.

Deterministic trend jika pers Yt = B1 + B2t + B3Yt-1, kita peroleh Yt = B1 + B2t + Ut

Yang disebut sebagai tren proses stasioner (TSP). meskipun mean Yt adalah B1 + B2t dimana tida konstan
variansnya. Misal nilai B1 dan B2i bisa diketahui, mean dapat diramalkan dengan sempurna. Oleh
karena itu, jika kita mengurangi mean Yt dari Yt, menghasilkan rangkaian yang statisioner, sebab itu
dinamakan tren stasioner. Prosedur ini akan menghapus tren (deterministic) yang disebut detrending

3. Integratede Stochastic Processes