Nama Kelompok:

1. Pamona Dwirahayu (J1A112011)

2. Fitri Marlinasari (J1A112027)
Data Penelitian Time Series Bulanan Produk Domestik Bruto (PDB). Kredit Perbankan
(CR) dan Kapitalisasi Pasar Saham (KAP)periode 1999 s/d 2008 (Miliar Rupiah)

PERIOD
E
Jan-99
Feb99
Mar99
Apr99
May99
Jun99
Jul99
Aug99
Sep99
Oct99
Nov99
Dec99
Jan-00
Feb00
Mar00
Apr00
May00
Jun00
Jul00
Aug00

PDB
332.39
8
330.54
9
328.24
1
325.87
3
324.34
6
325.66
3
330.35
6
336.68
7
341.44
3
342.04
1
340.39
9
339.06
2
340.10
8
342.02
9
342.85
2
341.71
8
340.17
0
340.86
5
345.15
6
351.06
1

PERIOD
E

PDB

PERIOD
E

PDB

PERIOD
E

PDB

Jan-02

358.505

Jan-05

419.556

Jan-07

467.348

Feb02

363.652

Feb-05

422.918

Feb-07

471.176

Mar02

368.650

Mar-05

426.612

Mar-07

475.533

Apr02

371.035

Apr-05

429.350

Apr-07

478.860

May02

372.605

May-05

432.094

May-07

482.433

Jun02

375.721

Jun-05

436.121

Jun-07

488.026

Jul02

380.982

Jul-05

441.331

Jul-07

495.429

Aug02

386.325

Aug-05

446.393

Aug-07

502.764

Sep02

387.920

Sep-05

448.598

Sep-07

506.168

Oct02

383.940

Oct-05

446.597

Oct-07

503.559

Nov02

377.302

Nov-05

442.427

Nov-07

497.757

Dec02

372.926

Dec-05

439.484

Dec-07

493.365

Jan-03

375.029

Jan-06

440.820

Jan-08

494.783

Feb03

380.805

Feb-06

444.560

Feb-08

499.610

Mar03

386.744

Mar-06

448.485

Mar-08

505.243

Apr03

389.684

Apr-06

450.947

Apr-08

509.390

May03

391.553

May-06

453.341

May-08

513.507

Jun03

394.621

Jun-06

457.637

Jun-08

519.359

Jul03

399.549

Jul-06

464.147

Jul-08

526.954

Aug03

404.396

Aug-06

471.059

Aug-08

534.529

355.29
0
355.22
0
352.83
0
350.76
3
351.55
6
353.83
4
356.115
357.30
5
358.33
8
360.53
3
363.89
4
367.10
1
367.51
7
364.14
7
359.12
7
356.24
0

Sep00
Oct00
Nov00
Dec00
Jan-01
Feb01
Mar01
Apr01
May01
Jun01
Jul01
Aug01
Sep01
Oct01
Nov01
Dec01

Sep03

405.608

Sep-06

474.904

Sep-08

538.567

Oct03

401.518

Oct-06

473.539

Oct-08

535.943

Nov03

394.847

Nov-06

469.364

Nov-08

528.615

Dec03

390.199

Dec-06

466.101

Dec-08

518.935

Jan-04

391.712

Feb04

396.847

Mar04

402.597

Apr04

406.003

May04

408.591

Aug04

Sumber:
411.936 http://lib.ui.ac.id/file?file=digital/124624-T
%2026319-Analisa%20hubungan416.617 lampiran.pdf
diakses pada tanggal 14 april 2016 jam
421.349 11.57.49

Sep04

423.852

Oct04

422.876

Nov04

420.074

Dec04

418.132

Jun04
Jul04

TIME SERIES PLOT

Penjelasan:

Time Series Plot of PDD

550000

Dari grafik time series plot of PDB

terlihat bahwa grafik bergerak
menaik, artinya data memiliki pola
trend. Data tersebut tidak stasioner
dalam mean tetapi stasioner dalam
variansi.

500000

PDD

450000

400000

350000

300000
1

12

24

AUTOKORELASI

36

48

60
Index

72

84

96

108

120

Penjelasan:

Autocorrelation Function for PDD

(with 5% significance limits for the autocorrelations)

Dari grafik autokorelasi dari PDB

dapat disimpulkan bahwa secara
perlahan-lahan turun menuju nol.
Hal ini menunjukkan bahwa data
belum stasioner dan memiliki pola
trend. terlihat dari gambar diatas
nilai fungsi dari autokorelasi
cenderung turun lambat.

1,0
0,8

Autocorrelation

0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
2

10

12

14

16
Lag

18

20

22

24

26

28

30

AUTOKORELASI PARSIAL
Penjelasan:

Partial Autocorrelation Function for PDD

(with 5% significance limits for the partial autocorrelations)

Terlihat dari grafik autokorelasi

parsial untuk PDB dibawah nol
setelah time lag pertama. Hal ini
menunjukkan bahwa data belum
stasioner. Grafik tersebut memiliki
pola cut off di lag pertama. Dengan
selang kepercayaan antara -0,2 < x
< 0,2

1,0

Partial Autocorrelation

0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
2

10

12

14

16
Lag

18

20

22

24

26

28

30

Dari hasil grafik autokorelasi dan autokorelasi parsial dapat disimpulkan bahwa data PDB
tidak stasioner sehigga harus distasionerkan terlebih dahulu dengan metode differencing.
GAMBAR 1(defferencing 1x)

GAMBAR 2(defferencing 2x)

Time Series Plot of C6

Time Series Plot of C5

10000

5000
2500

C6

C5

5000

0
-2500

-5000

-5000
-10000

-7500
1

12

24

36

48

60
Index

72

84

96

108

120

Penjelasan:
Dari gambar diatas terlihat untuk
defferencing 1 kali masih belum
stationer. Dan pada saat
defferencing 2 kali data sudah
stationer sehingga bisa ditentukan
model ARIMAnya

12

24

36

48

60
Index

72

84

96

108

120

Autocorrelation Function for C6

Partial Autocorrelation Function for C6

(with 5% significance limits for the autocorrelations)

(with 5% significance limits for the partial autocorrelations)

1,0

1,0

0,8

0,8

0,6

0,6

Partial Autocorrelation

Autocorrelation

Dugaan model ARIMA (p,d,q) adalah ARIMA (2,2,2)

0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8

0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8

-1,0

-1,0
2

10

12

14

16
Lag

18

20

22

24

26

28

30

10

12

14

16
Lag

18

20

22

24

26

28

30

Gambar diatas merupakan hasil ACF(kiri) dan PACF(kanan) dari data yang sudah di defferencing 2
kali.
Pemilihan model ARIMA (2,2,2), untuk nilai asli sudah di defferencing sebnayak 2 kali dehingga d=2,
untuk p karena ACF terlihat seperti gelombang sinus teredam maka menghasilkan AR(2) sehingga
p=2, untuk q karena PACF terlihat seperti gelombang sinus maka MA(2) sehingga q=2. Tetapi ada
kemungkinan pendugaan selain ARIMA(2,2,2), model pendugaanlain ialah (2,2,1),(2,2,0),(1,2,2),
(0,2,2),(1,2,1),(1,2,0),(0,2,1).
Pemilihan model terbaik dilihat dari MS yang dihasilkan oleh minitab:
ARIMA MS
Penjelasan:
1723340
(2,2,2)
(2,2,1)
Dari data disamping dapat
4644828
(2,2,0)
disimpulkan bahwa
3822337
(1,2,2)
(2,2,2)adalah model terbaik
3955615
(0,2,2)
karena memiliki nilai
MSEstimates of Parameters
5543990
(1,2,1)
Final
(2,2,2)
5682636
terkecil
(1,2,0)
5514270
(0,2,1)
Type
Coef SE Coef
T

Model umum arima(2,2,2):

Xt = 1 Xt-1 + Xt-1- 1 Xt-2 + - 1 et-1 + et
Xt = -0,8381Xt-1+ Xt-1- (-0,8381 Xt-2 ) -1,985 - (-0,2423et-1)+ et
Xt = -0,8381Xt-1+ Xt-1+ 0,8381 Xt-2 -1,985 + 0,2423et-1+ et

P
AR
1
0,000
AR
2
0,000
MA
1
0,000
MA
2
0,000
Constant
0,672

0,9236

0,0560

16,49

-0,8381

0,0560

-14,97

1,2204

0,0025

483,38

-0,2423

0,0674

-3,59

-1,985

4,672

-0,42