+ All Categories
Home > Documents > IdentifiKasi Time Series Plot

IdentifiKasi Time Series Plot

Date post: 06-Jul-2018
Category:
Upload: rizky-fitriani
View: 219 times
Download: 0 times
Share this document with a friend

of 22

Transcript
  • 8/17/2019 IdentifiKasi Time Series Plot

    1/22

    MODEL SPECIFICATION

  • 8/17/2019 IdentifiKasi Time Series Plot

    2/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    3/22

    fungsi autokorelasi parsial adalah korelasiantara Zt dan Zt+k setelah pengaruh dari

    variabel penggangu Zt-1,Zt-2,…,Zt-k+1 

    dihilangkan. Koesien autokorelasi parsialbiasanya dinotasikan dengan φkk.

    φkk adalah koesien korelasi antara dua buah

    peubah acak Zt dan Zt-k dengan syarat Zt-1,Zt-2,

    …,Zt-k+1 !ryer,1"#$%.

    ),...,,|,( 121   +−−−−= k t t t k t t kk    Z  Z  Z  Z  Z Corr φ 

  • 8/17/2019 IdentifiKasi Time Series Plot

    4/22

    &etode u'u' yang sering digunakan untuk'enghitung koesien autokorelasi parsialadalah dengan persa'aan (ule-)alker

    kk k k k k 

    k kk k k 

    k kk k k 

    φ  ρ φ  ρ φ  ρ 

     ρ φ φ  ρ φ  ρ 

     ρ φ  ρ φ φ  ρ 

    +++=

    +++=

    +++=

    .........

    ....

    ....

    ....

    .........

    .........

    1211

    22112

    11211

  • 8/17/2019 IdentifiKasi Time Series Plot

    5/22

    Koesien autokorelasi parsial dapat didugadengan 'enggunakan koesien autokorelasiparsial dari sa'pel. (akni dengan 'engganti

    nilai ρ pada persa'aan (ule-)alker dengan rdan 'enghitung untuk k*1,2,… untuk'endapatkan nilai φkk dengan aturan !ra'er.

  • 8/17/2019 IdentifiKasi Time Series Plot

    6/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    7/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    8/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    9/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    10/22

    dentikasi 'odel & dilakukan dengan 'elihat polayang ada dari ! dan /! data contoh.

     0ahapan identikasi 'odel

    1. /lot data deret aktu dan pilih tranfor'asi yangsesuai

    3ari plot data deret aktu dapat diketahui pola trend,'usi'an yang 'ungkin ada, outlier, variansi takkonstan, nor'alitas dan stasioneritas. 0ranfor'asi

    yang dapat digunakan adalah 4o5-!o56s.2. 7itung dan u8i ! dan /! contoh. 9ika ! turun la'bat dan /! berbeda nyata padalag satu lakukan di:erensi atau lakukan u8i 3ickey-

    uller. 3iferensi biasanya dilakukan pada d*;,1,2.

  • 8/17/2019 IdentifiKasi Time Series Plot

    11/22

    4. Uji deterministik trend Jika d>00θ 

  • 8/17/2019 IdentifiKasi Time Series Plot

    12/22

    pecifcation o Some Simulated Time Series

     0he dashed hori>ontal lines in ?5hibit $.@, plotted at * A;.1#2$,are intended to give critical values for testing hether or not theautocorrelation coeBcientsare signicantly di:erent fro' >ero.

  • 8/17/2019 IdentifiKasi Time Series Plot

    13/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    14/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    15/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    16/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    17/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    18/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    19/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    20/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    21/22

  • 8/17/2019 IdentifiKasi Time Series Plot

    22/22

    Nonstationarity

    or nonstationary series, the sa'ple ! typically fails to die

    out rapidly as the lags increase


Recommended