Introduction to Stochastic Time Series Models
|
|
- Suparman Gunawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Introduction to Stochastic Time Series Models We have learned several simple extrapolation techniques for Deterministic Time Series Models We will study more complex extrapolation techniques that assume the time series we are analyzing are formed random or stochastic processes.. It is assumed that the time series we are analyzing as samples drawn from bigger random processes.
2 Mathematically, y 1, y 2,... y T drawn randomly from a probability distribution it is assumed : y 1, y 2,... y T normally distributed and based on auto regressive (order 1) process. Remark: the assumption is to simplify the analysis accuracy of the model depends on how close is the assumption to the reality.
3 Random Walk The simplest stochastic time series model is a Random Walk Process. The model: y t = y t-1 + e t ; or y t -y t-1 = e t ; E(e t ) = 0; E (e t.e s ) = 0; t s What is the rational of the model?
4 If we use the model to forecast, then the prediction is the following: y R T+1 = E (y T+1 y T,... y 1 ) = y T + E (e T+1 ) = y T y R T+2 = E (y T+2 / y T,... y 1 ) = E (y T+1 + e T+2 ) = E (y T + e T+1 + e T+2 ) = y T Similarly, y R T+k = y T
5 Comments: (i). The forecasts using a random walk model is always the same and is equal to y T regardless whether one period, two periods or k periods forecasts. (ii). However, errors of the forecasts do not the same; the longer the period, the bigger the forecast error.
6 See the following analysis: e 1 = y T+1 -y R T+1 = y T + e T+1 -y T = e T+1 var (e 1 ) = var (e T+1 ) = σ 2 e e 2 = y T+2 -y R T+2 = y T + e T+1 + e T+2 -y T = e T+1 + e T+2 var (e 2 ) = var (e T+1 + e T+2 ) = σ 2 e + σ2 e = 2 σ2 e since e T+1 and e T+2 stochastically independent. Therefore, the longer the period the bigger the variance and the bigger the confidence interval as well. See Fig (Pindyck)
7 Random Walk with Trend One of the variation of the Random Walk models is by adding the trend to the model. The model accommodates the possibility of existing increasing or decreasing trend and therefore the model: y t = y t-1 + d + e t One period forecast: y R T+1 = E (y T+1 y T,... y 1 ) = y T + d k-period forecast: y R T+k = y T + k d However the error will increase as the period increases. See Fig. 16.2
8 Stationery and Non Stationery Process Since the model we are observing is from a stochastic process, we need to identify whether the process is: (i). time invariant or (ii).time variant If the stochastic process is time invariant it is called stasionery process; while if the process is time variant, it is called non-stationery process.
9 Karakteristik data time series yang stasioner atau tidak stasioner berkaitan dengan mudah tidaknya proses tersebut dimodel dan dianalisis. Jika prosesnya stasioner, proses ini dapat di model dengan suatu persamaan dengan parameter yang tetap yang dapat diestimasi dengan data masa lalu. Akan tetapi, bila prosesnya tidak stasioner, pendekatan model tersebut di atas tidak dapat dilakukan. Hal ini analog dengan model regresi satu persamaan yang telah kita pelajari. Parameter yang dibangun berdasarkan hubungan struktural dapat diestimasi dengan baik bila hubungan struktural ini tidak berubah meskipun waktunya berubah. Akan tetapi bila hubungan struktural tersebut berubah dengan berubahnya waktu, parameternya perlu diestimasi dengan pendekatan lain.
10 Properties of Stasionery Processes If the series y t is stationery, then (i). P(y t,...,y t+k ) = P(y t+m,..., y t+k+m ) m,t,k (ii). E(y t ) =μ y independent of t (iii).var(y t ) = σ 2 y = E [(y t -μ y )2 ] independent of t (iv). γ k = cov (y t, y t+k ) ; independent of t = cov (y t+m, y t+m+k ) Comment: For lag zero, or for k=0, γ 0 = cov (y t, y t ) = var (y t ) = σ 2 y
11 TimeSeries Identification through Auto- Correlation Function (ACF) Fungsi autokorelasi bermanfaat untuk menjelaskan suatu proses stokastik. Fungsi ini akan memberikan informasi bagaimana korelasi antara data-data (y t ) yang berdekatan. Fungsi autokorelasi dengan lag (jeda) k didefinisikan sebagai: ρ k = cov (y t, y t+k ) / (σ yt σ yt+k ) untuk proses yang stasioner, var (y t ) = var (y t+k ) = σ 2 y sehingga ρ k = cov (y t, y t+k ) / σ 2 y = γ k / γ 0 Dengan demikian, ρ untuk setiap proses stokastik, ρ 0 = 1
12 Bila kita mempunyai proses stokastik sederhana y t = e t ; white noise e t iid (0, σ 2 ), maka fungsi autokorelasi dari proses ini adalah: ρ k = cov (e t, e t+k ) / ( var (e t ) var(e t+k ) ) ½ ρ k = 0 karena cov (e t, e t+k ) =0 untuk k > 0 (untuk k = 0?) Ramalan k periode ke depan: y T+1 = E(e T+1 ) = 0 k. Dapat disimpulkan bahwa bila ρ k = 0 k > 0, tidak ada manfaatnya menggunakan model ini untuk membuat ramalan. Sampel dari fungsi autokorelasi didefinisikan sebagai: r k = c k / c 0 ; c k = Σ (y t -y a )(y t+k -y a ) c 0 = Σ (y t -y a ) 2 ; y a : rata-rata y t
13 Dalam praktek, kita hanya mempunyai suatu realisasi dari proses stokastik. Oleh karena itu, kita hanya dapat menghitung sampel fungsi autokorelasi. Plot antara r k dan k disebut correlogram sampel sedangkan plot antara ρ k dan k disebut correlogram populasi. Kalau kita mengetahui apakah ρ k = 0 atau tidak pada suatu nilai k atau mengetahui ρ k = 0 untuk semua k > 0 informasi ini sangat bermanfaat. Untuk melakukan ini, ada beberapa tes yang perlu diketahui (Kenapa kita perlu tahu nilai ρ k untuk semua nilai k?).
14 Tes Bartlett Jika suatu time series dibentuk melalui proses white noise, sampel auto korelasi berdistribusi normal dengan mean 0 dan standar deviasi 1/ T ½, T banyaknya pengamatan, dan dinotasikan dengan r k N (0, 1/ T ½ ). Bila T = 100, maka r k N (0, 0.1) Oleh karena itu, bila ada r k > 0.2 (dua kali standar deviasi), maka kita yakin dengan kepercayaan 95% bahwa ρ 0 dan berarti time series yang sedang kita analis bukan berasal dari proses white noise.
15 Tes Box-Pierce Untuk mengetes apakah semua ρ k = 0, kita gunakan tes Q yang dikenalkan oleh Box dan Pierce, Q = T Σ r 2 k X2 k Bila Q > X 2 k,5% kita yakin dengan kepercayaan 95% bahwa tidak semua ρ k = 0. Bila ini terjadi, time series yang kita pelajari tidak berasal dari proses white noise. Sebagai ilustrasi, lihat Gambar 16.3 (Stasioner?) Gambar ini menggambarkan pergerakan data inventory investment dari tahun Sedangkan sampel fungsi autokorelasi ditunjukkan pada Gambar Gambar fungsi autokorelasi ini memperlihatkan bahwa nilai r k turun sangat cepat seiring dengan kenaikan k. Ini menunjukkan bahwa data time series inventory investment merupakan time series yang stasioner. Sebaliknya, jika r k tidak menurun dengan cepat, indikasi ini menunjukkan bahwa data time series tidak stasioner.
16 Homogeneous Nonstationery Processes Kenyataannya, tidak banyak data time series yang stasioner. Meskipun demikian, beberapa data time series yang tidak stasioner yang merupakan data-data ekonomi maupun bisnis dapat dibuat stasioner dengan cara melihat time series dari selisih dua data yang berurutan. Data time series yang demikian itu disebut homogen. Tingkat homogenitas dari masing-masing data berbedabeda tergantung berapa kali data tersebut diselisihkan untuk menjadi stasioner. Bila dengan proses 1 kali selisih, data sudah stasioner, data ini disebut homogen tingkat satu. Secara umum, bila suatu data memerlukan n kali proses selisih baru menjadi stasioner, data ini disebut homogen tingkat n.
17 Definitions: 1 If y t non stationary w t = y t y t-1 = Δ y t stasionary, y t is first-order homogeneous non stationary. 2. If y t non stasionary z t = Δy t = y t y t-1 non stasionary, w t = Δ 2 y t = Δy - Δy t t-1 = z t z t-1 stasionary y t second-order homogeneous non stationary
18 Example: Proses Random Walk Sederhana: y t = y t-1 + e t ; tidak stasioner w t = Δ y t = y t y t-1 = e t ; white noise Dari pembahasan terdahulu, white noise mempunyai ρ 0 = 1 dan ρ k = 0; k > 0 dan series ini stasioner. Dengan demikian, random walk merupakan timeseries homogen tingkat satu.
19 Correlogram dan Stasioneritas Kalau kita melihat data time series dari suatu variabel yang cenderung tumbuh seperti: nilai penjualan, GNP, dsb; data time series ini tidak akan stasioner. Tetapi, data GNP bisa merupakan data tidak stasioner homogen tingkat satu atau tingkat yang lebih tinggi. Oleh karenanya, kalau kita membuat model time series untuk membuat ramalan GNP ke depan, kita perlu mengacu pada time series yang sudah stasioner.
20 Bagaimana kita menentukan bahwa suatu time series sudah stasioner dan berapa kali suatu time series homogen diselisihkan agar stasioner. Dengan bantuan correlogram, kita dapat menjawab pertanyaan tesebut. Untuk data yang stasioner, correlogram menurun dengan cepat seiring dengan meningkatnya k, besaran lag; sedangkan untuk data yang tidak stasioner, correlogram cenderung tidak menuju nol (tidak mengecil) meskipun k membesar.
21 Time series yang tidak stasioner dapat terus dicari barisan selisihnya beberapa kali sampai stasioner atau tidak mungkin stasioner dengan melihat correlogramnya. Lihat Gambar 16.5 (stasioner) dan Gambar 16.6 (tidak stasioner). Contoh: Mengamati Interest Rate T-Bill AS, Gambar 16.7 memperlihatkan gerakan interest T-Bill di AS yang diamati bulanan dari Dari gambar tersebut terlihat bahwa mean nya tidak mungkin konstan. Dugaan ini diperkuat dengan Gambar 16.8 yang menunjukkan bahwa correlogram tidak segera menuju nol. Dengan demikian, data time series tersebut tidak stasioner.
22 Langkah selanjutnya, data tersebut dicari selisihnya (first difference) dan series yang baru ditunjukkan pada Gambar Gambar ini memperlihatkan bahwa kali ini mean sudah konstan. Hal ini juga diperkuat dengan gambar correlogram yang cenderung menuju nol (Gambar 16.10) Kita dapat menarik kesimpulan bahwa series sudah stasioner.. Namun, series dicoba dicari lagi selisihnya lagi (firstdifference dua kali). Series yang terbentuk dapat dilihat pada Gambar dan correlogramnya disajikan pada Gambar Dari kedua gambar tersebut dapat disimpulkan bahwa series dalam keadaan stasioner. Kondisi ini tidak jauh beda dengan kondisi series pada saat first-difference satu kali. Kesimpulannya, data interest rate yang dianalisis merupakan data tidak stasioner homogen tingkat satu.
23 Contoh Pergerakan harga suatu komoditas. Harga suatu komoditas diamati tiap hari selama 250 hari. Data ini tidak stasioner tetapi series dari selisihnya stasioner. Hal ini dapat dilihat pada correlogram data aslinya dan data selisihnya. Dari correlogram tersebut dapat disimpulkan bahwa data selisihnya merupakan white noise (Gambar 16.13). Dengan demikian, data aslinya dapat diduga sebagai random walk sehingga dapat dimodel sebagai: P t = P t-1 + e t Model inilah yang sering digunakan untuk meramal harga saham dibursa efek.
24 Tes Dickey-Fuller Beberapa kajian mengatakan bahwa data time series dari variabel ekonomi dan keuangan berperilaku seperti random walk atau setidak-tidaknya memiliki komponen random walk. Kajian-kajian tersebut didasarkan pada tes Unit Root yang dikenalkan oleh David Dickey dan Wayne Fuller. Jika kita percaya bahwa suatu variabel y t tumbuh seiring dengan perjalanan waktu, y t dapat dijelaskan melalui model berikut: y t = a + b t + ρ y t-1 + e t ; b>0 Model tersebut di atas dapat dinyatakan dalam bentuk lain: y t -y t-1 = a + b t + (ρ -1) y t-1 + e t ; disebut model utuh (U). Bila b = 0 dan ρ = 1, maka modelnya menjadi model terkendala seperti berikut: y t -y t-1 = a + e t ; disebut model terkendala (T)
25 Dickey-Fuller menyatakan telah menyusun suatu distribusi untuk r (estimator ρ) yang dapat digunakan untuk menguji apakah ρ=1 atau tidak. Tes Dickey dan Fuller pada intinya adalah menguji apakah b = 0 dan ρ = 1 sehingga model tersebut menjadi model random walk. Untuk menguji hal tersebut dilakukan tahapan berikut: 1. Regresikan model utuh, hitung ESS u ; ESS = Σ e 2 t 2. Regresikan model terkendala (b=0 dan ρ=1), hitung ESS T 3. Hitung statistik F= {(ESS T ESS u )/q} / {ESS u / (N k)} k : banyaknya parameter pada model utuh q : banyaknya parameter kendala N : banyaknya pengamatan 4. Jika F > Tabel Dickey-Fuller, tolak hipotesis yang menyatakan y t random walk.
26 Komentar: 1.Tes D-F hanya mengarahkan kepada analisis untuk menolak atau tidak hipotesis bahwa y t mengikuti random walk. 2.Bila hipotesis tidak ditolak, hasilnya masih diragukan. Ilustrasi Akan dikaji apakah data time series dari harga-harga komoditas seperti: BBM, tembaga dan karet mengikuti pola random walk atau tidak. Kajian ini menggunakan data tahunan dari di AS (116 pengamatan)
27 Untuk melakukan kajian ini, lakukan tahapan berikut: 1. Model pergerakan harga yang ditawarkan (i). P t P t-1 = a + b t + (ρ -1) P t-1 + e t ; model utuh (ii). P t P = t-1 a + e t ; model terkendala 2. Regresikan model (i), hitung ESS u = (tembaga) 3. Regresikan model (ii), hitung ESS T = (tembaga) 4.F = (N k) (ESS T -ESS u ) / (q) (ESS u ) = (116 4 ) ( ) / (2)(4344.8) = 7.33 Sedangkan berdasarkan Tabel Dickey-Fuller, nilai pembanding (dari Tabel 16.1) dengan sampel 100 dan kepercayaan 95%, diperoleh angka sebesar 6.49.
28 5. Karena F > Tabel Dickey-Fuller, hipotesis yang menyatakan gerakan harga tembaga mengikuti pola random walk ditolak. Untuk data harga BBM dan karet, hasil perhitungannya sebagai berikut: ESS u ESS T F Tabel DF RW? BBM Tidak Karet Ya
29 Timeseries Ko-Integrasi Kadangkala ada dua variabel random yang masing-masing merupakan random walk akan tetapi kombinasi linier dari dua variabel tersebut merupakan time series yang stasioner. Misalkan saja, x t dan y t masing-masing random walk tetapi z t = x t - λ y t merupakan timeseries yang stasioner Pada situasi seperti ini, x t dan y t dikatakan berkointegrasi dan λ disebut parameter kointegrasi. Sedangkan λ diestimasi dengan OLS melalui regresi x t pada y t. (Ingat kepada regresi linier sederhana: x t = a + b y t + e t atau : a + e t = x t -b y t ; dengan notasi lain: z t = x t - λ y t )
30 Dalam beberapa hal, teori-teori ekonomi dan keuangan mengindikasikan adanya kointegrasi antara dua variabel tertentu. Misalnya saja ada kecenderungan pergerakan bersama antara harga saham dan dividen yang dibagikan, meskipun pergerakan harga saham dan pergerakan besaran dividen yang dibagikan masing-masing bisa merupakan random walk. Dalam hal kointegrasi antara pergerakan harga saham dan pergerakan besaran dividen, parameter kointegrasinya merupakan discount rate yang digunakan para investor dalam menghitung present value dan earnings. Contoh lain?
31 Tes Ko-Integrasi Bila x t random walk dan Δx t stasioner y t random walk dan Δy t stasioner apakah x t dan y t berkointegrasi. Tahapan yang perlu dikerjakan: 1. Lakukan regresi berikut dengan OLS x t = a + b y t + e t 2. Tes apakah e t stasioner atau tidak 3. Bila e t stasioner, maka x t dan y t berkointegrasi.
32 Ilustrasi Ko-integrasi antara Konsumsi dan Pendapatan 2. Tes Kointegrasi Regresikan konsumsi pada pendapatan C t = YD t t: (-6.65) (231.87) R 2 = ; DW = Akan dites apakah konsumsi dan pendapatan berkointegrasi dengan menggunakan data kuartalan dari tahun Tes apakah konsumsi dan Pendapatan masing-masing random walk dengan Tes Dickey Fuller. Hasil tes menunjukkan kedua series tersebut random walk. Sedangkan data time series Δkonsumsi dan Δpendapatan merupakan time series yang stasioner.
33 Kita dapat menggunakan test DW untuk menguji apakah e t (residual) dari regresi tsb. mengikuti suatu random walk. Menurut tes DW, angka < (nilai kritis pada Tabel DW (Tabel; 16.3)). Akibatnya, kita tidak dapat menolak hipotesis pada level 5% (Tetapi, hipotesis ini ditolak pada level 10%). Artinya, kita tidak terlalu yakin bahwa e t (residual) stasioner atau tidak sehingga kita juga tidak tahu dengan pasti apakah konsumsi dan pendapatan berkointegrasi.
34 The End of the Lesson
Time series Linier Models
Time series Linier Models We have learned simple extrapolation techniques for deterministic and stochastic time series models. In addition, we also have learned stationery and non stationery time series
Lebih terperinciApplication of ARIMA Models
Application of ARIMA Models We have learned how to model using ARIMA Stages: 1. Verify whether the data we are analyzing is a stationary data using ACF or other methods 2. If the data is not stationer,
Lebih terperinciARIMA and Forecasting
ARIMA and Forecasting We have learned linear models and their characteristics, like: AR(p), MA(q), ARMA(p,q) and ARIMA (p,d,q). The important thing that we have to know in developing the models are determining
Lebih terperinciTEORI DASAR DERET WAKTU M A T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R
TEORI DASAR DERET WAKTU M A 5 2 8 3 T O P I K D A L A M S T A T I S T I K A II 22 J A N U A R I 2015 U T R I W E N I M U K H A I Y A R DERET WAKTU Deret waktu sendiri tidak lain adalah himpunan pengamatan
Lebih terperinciCointegration Analysis and ECM
Cointegration Analysis and ECM Before discussing co-integration concept, we need to talk about other relating concepts that are very important in understanding cointegration. Spurious Regression Phenomena.
Lebih terperinciThe analysis was focused on heteroscedasticities that based on the magnitude of a regressor that caused non constant residual variances.
Model ARCH dan GARCH On earlier discussion, we have talked about the possibility of having heteroscedasticity in a model. We also have discussed how to overcome this problem to have more efficient parameter
Lebih terperinciAnalisis Dasar dalam Runtun Waktu
Company LOGO Analisis Dasar dalam Runtun Waktu UJI STASIONERITAS: UJI UNIT ROOT UNIT ROOTS Shock is usually used to describe an unexpected change in a variable or in the value of the error terms at a particular
Lebih terperinci3. METODE PENELITIAN 3.1. Kerangka Pemikiran
3. METODE PENELITIAN 3.1. Kerangka Pemikiran Pengembangan bahan bakar alternatif untuk menjawab isu berkurangnya bahan bakar fosil akan meningkatkan permintaan terhadap bahan bakar alternatif, dimana salah
Lebih terperinciCointegration Analysis and ECM
Cointegration Analysis and ECM Before discussing co-integration concept, we need to talk about other relating concepts that are very important in understanding cointegration. Spurious Regression Phenomena.
Lebih terperinciBAB III METODE PENELITIAN
45 BAB III METODE PENELITIAN 3.1. Kerangka Pemikiran Untuk menggambarkan bagaimana pengaruh capital gain IHSG dengan pergerakan yield obligasi pemerintah dan pengaruh tingkat suku bunga terhadap IHSG dan
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN Pada bab sebelumnya telah disinggung mengenai error correction model (ECM) seringkali digunakan dalam menguji stabilitas permintaan uang. Penggunaannya karena ECM memiliki
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan pada bulan Januari hingga Maret 2012. Penelitian dilakukan di Asosiasi Kakao Indonesia (Askindo). Penentuan tempat dilakukan
Lebih terperinciDalam kasus-kasus terjadinya heteroskedastisitas, var(e i. ) = σ i2
Heteroscedasticity Before discussing ARCH (AutoRegressive Conditional Heteroscedasticity) and GARCH (Generalized AutoRegressive Conditional Heteroscedasticity) models, we need to review the concept of
Lebih terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah PDB, Ekspor, dan
III. METODE PENELITIAN A. Deskripsi Data Input Variabel-variabel yang digunakan dalam penelitian ini adalah PDB, Ekspor, dan Foreign Direct Investment ((FDI). Deskripsi tentang satuan pengukuran, jenis
Lebih terperinciBAB III METODE PENELITIAN. waktu dari objek penelitian ini adalah 26 tahun yaitu dari tahun B. Jenis, Sumber dan Metode Pengumpulan Data
BAB III METODE PENELITIAN A. Objek Penelitian Objek penelitian ini adalah variabel konsumsi rumah tangga dan Produk domestik regional bruto (PDRB) perkapita di Jawa Tengah. Kurun waktu dari objek penelitian
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder menurut runtun
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder menurut runtun waktu (timeseries) yang diperoleh dari Statistik Ekonomi dan Keuangan Indonesia
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari
III. METODE PENELITIAN Metode penelitian merupakan langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesis penelitian.
Lebih terperinciTIME SERIES DENGAN K-STAT &EVIEWS
TIME SERIES DENGAN K-STAT &EVIEWS Oleh Prana Ugiana Gio Video Cara Mendownload Aplikasi Olah Data K-Stat : https://www.youtube.com/watch?v=cnywqjes6hq Menggunakan Aplikasi Olah Data K-Stat secara Online:
Lebih terperinciSelain itu, kita juga bsa menguji Hipotesisnya. Formula : Basic Form Analysis tersebut terbagi menjadi 2 bagian : a. Linear Trend Models Formula :
UAS QA Hitungan : 1. Multiple Regression Selain itu, kita juga bsa menguji Hipotesisnya. 2. Time Series Analysis Basic Form Analysis tersebut terbagi menjadi 2 bagian : a. Linear Trend Models Keterangan
Lebih terperinciIII. METODOLOGI PENELITIAN. Data-data tersebut berupa data bulanan dalam rentang waktu (time series) Januari
40 III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Berdsarkan kajian beberapa literatur penelitian ini akan menggunakan data sekunder. Data-data tersebut berupa data bulanan dalam rentang waktu (time
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang
30 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan proposal ini adalah data sekunder yang diperoleh dari Laporan Bank Indonesia, Statistik Ekonomi dan Keuangan Indonesia,
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciMETODE PENELITIAN. merupakan data time series dari bulan Januari 2002 sampai Desember Data
23 III. METODE PENELITIN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang merupakan data time series dari bulan Januari 2002 sampai Desember 2009. Data
Lebih terperinciBAB III METODE PENELITIAN. dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik (BPS), Food and
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang dikumpulkan dari berbagai sumber yaitu Badan Pusat Statistik (BPS), Food and
Lebih terperinciBAB III METODOLOGI PENELITIAN. Indonesia dan variabel independen, yaitu defisit transaksi berjalan dan inflasi.
BAB III METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini difokuskan pada variabel dependen utang luar negeri Indonesia dan variabel independen, yaitu defisit transaksi berjalan dan inflasi.
Lebih terperinciBAB III METODELOGI PENELITIAN. variabel- variabel sebagai berikut : tingkat gross domestic product(gdp), total
BAB III METODELOGI PENELITIAN A. Obyek Penelitian Obyek yang diteliti dalam penelitian ini adalah semua data mengenai variabel- variabel sebagai berikut : tingkat gross domestic product(gdp), total pembiayaan
Lebih terperinciIII. METODE PENELITIAN. diperoleh dari Yahoo Finance dan Bank Indonesia (BI). Data yang digunakan
60 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penulisan penelitian ini adalah data sekunder yang diperoleh dari Yahoo Finance dan Bank Indonesia (BI). Data yang digunakan
Lebih terperinciIII. METODE PENELITIAN. bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
Lebih terperinciIII. METODE PENELITIAN. gabungan dari data runtun waktu (time series) tahunan. Data yang digunakan
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berupa gabungan dari data runtun waktu (time series) tahunan. Data yang digunakan
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciBAB III METODE PENELITIAN. minyak kelapa sawit Indonesia yang dipengaruhi oleh harga ekspor minyak
BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini bertujuan untuk menganalisa seberapa besar volume ekspor minyak kelapa sawit Indonesia yang dipengaruhi oleh harga ekspor minyak kelapa
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciBAB III METODE PENELITIN. yaitu ilmu yang valid, ilmu yang dibangun dari empiris, teramati terukur,
BAB III METODE PENELITIN A. Jenis dan Pendektan Penelitian 1. Jenis Penelitian Penelitian ini merupakan penelitian kuantitatif. Penelitian kuantitatif adalah suatu penelitian yang didasari oleh falsafah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Populasi Populasi dari penelitian ini adalah perbankan yang go public di Bursa Efek Indonesia (BEI) dan menerbitkan laporan keuangan yang lengkap (Annual Report) pada periode
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciIII.METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data time series (runtun
27 III.METODE PENELITIAN A. Data dan Sumber Data Data yang digunakan dalam penelitian ini adalah data time series (runtun waktu) yang merupakan data sekunder. Data tingkat inflasi, inflasi mitra dagang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini adalah penelitian kualitatif dan kuantitatif. Penelitian kualitatif adalah
III. METODE PENELITIAN A. Jenis Penelitian Penelitian ini adalah penelitian kualitatif dan kuantitatif. Penelitian kualitatif adalah penelitian tentang riset yang bersifat deskriptif dan cenderung menggunakan
Lebih terperinciIII. METODELOGI PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah current account
III. METODELOGI PENELITIAN A. Deskripsi Variabel Variabel-variabel yang digunakan dalam penelitian ini adalah current account sebagai variabel terikat dan nilai tukar, inflasi, PDB, dan aktiva luar negeri
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini adalah penelitian yang bertujuan untuk menganalisis
III. METODE PENELITIAN A.Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah penelitian yang bertujuan untuk menganalisis pengaruh inflasi, pertumbuhan ekonomi, reformasi pengawasan perpajakan
Lebih terperinciIII METODE PENELITIAN
18 III METODE PENELITIAN 3.1. Kerangka Pemikiran Mengetahui kointegrasi pada setiap produk adalah salah satu permasalahan yang perlu dikaji dan diteliti oleh perusahaan. Dengan melihat kointegrasi produk,
Lebih terperinci4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :
4 BAB IV HASIL PEMBAHASAN DAN EVALUASI Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtut waktu. Data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data harga
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perusahaan merupakan suatu badan hukum yang memiliki suatu tujuan yang ingin dicapai salah satunya yaitu mendapatkan keuntungan. Untuk mencapai
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciABSTRAK. Universitas Sumatera Utara
ABSTRAK Skripsi ini membahas pemodelan dan estimasi volatilitas nilai tukar rupiah terhadap dolar Amerika tahun 005 menggunakan estimasi ARCH-GARCH. Data volatilitas nilai tukar rupiah dapat diterangkan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. Data dan Sumber Data 1. Data Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Variabel Sektor Moneter dan Riil Terhadap Inflasi di Indonesia (Periode 2006:1
Lebih terperinciMinggu 1 Review Peubah Acak; Karakteristik Time Series. Minggu 4-6 Model Moving Average (MA), Autoregressive (AR)
CNH4S3 Analisis Time Series [Dosen] Aniq A Rohmawati, M.Si [Jadwal] Need to reschedule? [About] The purpose of time series analysis is generally twofold: to understand or model the stochastic mechanism
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah
III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional 1. Variabel Penelitian Dalam penelitian ini variabel terikat (dependent variabel) yang digunakan adalah nilai tukar rupiah, sedangkan
Lebih terperinciIII.METODE PENELITIAN. Penelitian ini merupakan penelitian kuantitatif, karena penelitian ini
43 III.METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini merupakan penelitian kuantitatif, karena penelitian ini disajikan dengan angka-angka. Hal ini sesuai dengan pendapat Arikunto (2006) yang
Lebih terperinciIII. METODE PENELITIAN. penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh pihak
46 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini bersifat kuantitatif, yaitu berupa data tahunan yang berbentuk angka dan dapat diukur/dihitung. Sumber
Lebih terperinciBAB III METODE PENELITIAN
33 BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Penelitian ini dilakukan berdasarkan data series bulan yang dipublikasikan oleh Bank Indonesia (BI) dan Badan Pusat Statistik (BPS), diantaranya adalah
Lebih terperinciIII. METODE PENELITIAN. Laporan Kebijakan Moneter, Laporan Perekonomian Indonesia, Badan Pusat
49 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari data publikasi Bank Indonesia berupa Statistik Ekonomi Moneter, Laporan
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek Penelitian. Dalam penelitian ini penulis memilih impor beras sebagai objek melakukan riset di Indonesia pada tahun 1985-2015. Data bersumber dari Badan Pusat Statistika
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek Penelitian Dalam penelitian ini, obyek yang diamati yaitu inflasi sebagai variabel dependen, dan variabel independen JUB, kurs, BI rate dan PDB sebagai variabel yang
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciBAB III METODE PENELITIAN. analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah kuantitatif. Penelitian kuantitatif merupakan analisis yang berupa angka-angka sehingga dapat diukur dan dihitung dengan menggunakan
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
20 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Kerangka pemikiran dalam penelitian dapat dijadikan landasan dalam setiap tahap penelitian. Salah satu tujuan dari penelitian ini adalah mengetahui metode
Lebih terperinciIII. METODE PENELITIAN. series. Variabel yang digunakan dalam penelitian ini adalah BI rate, suku bunga
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk time series. Variabel yang digunakan dalam penelitian ini adalah BI rate, suku
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Faktor-Faktor Yang
III. METODE PENELITIAN A. Deskripsi Data Variabel Variabel-variabel yang digunakan dalam penelitian Analisis Faktor-Faktor Yang Mempengaruhi Cadangan Devisa di Indonesia Periode 2000-2014 adalah cadangan
Lebih terperinciBAB III METODOLOGI PENELITIAN. runtut waktu (time series). Penelitian ini menggunakan data-data Produk
BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Cara Pengumpulan Data Jenis data dalam penelitian ini adalah data sekunder yang merupakan data runtut waktu (time series). Penelitian ini menggunakan data-data
Lebih terperinciMETODE PENELITIAN. waktu (time series) dari tahun 1986 sampai Data tersebut diperoleh dari
40 III. METODE PENELITIAN 3.1. Jenis Dan Sumber Data Jenis data yang akan digunakan dalam penelitian ini adalah data sekunder yang relevan dengan penelitian. Semua data yang digunakan merupakan data deret
Lebih terperinciIII. METODOLOGI PENELITIAN. Dalam penelitian yang berjudul Analisis Pengaruh ProdukDomestikBruto (PDB),
III. METODOLOGI PENELITIAN A. Definisi Operasional Variabel Dalam penelitian yang berjudul Analisis Pengaruh ProdukDomestikBruto (PDB), SukuBunga Deposito, Inflasi, dan Obligasi PemerintahTerhadap Simpanan
Lebih terperinciBab IV. Pembahasan dan Hasil Penelitian
Bab IV Pembahasan dan Hasil Penelitian IV.1 Statistika Deskriptif Pada bab ini akan dibahas mengenai statistik deskriptif dari variabel yang digunakan yaitu IHSG di BEI selama periode 1 April 2011 sampai
Lebih terperinciMETODOLOGI PENELITIAN. Untuk membatasi ruang lingkup permasalahan yang dijadikan objek
III. METODOLOGI PENELITIAN A. Ruang Lingkup Penelitian Untuk membatasi ruang lingkup permasalahan yang dijadikan objek penelitian, maka penelitian ini hanya menganalisis mengenai harga BBM dan nilai tukar
Lebih terperinciBAB I PENDAHULUAN. dari tahun ke tahun dapat mengalami peningkatan, hal ini disebabkan karena
BAB I PENDAHULUAN A. Latar Belakang Masalah Pertumbuhan ekonomi merupakan perkembangan kegiatan dalam perekonomian yang menyebabkan barang dan jasa yang diproduksi dalam masyarakat bertambah serta kemakmuran
Lebih terperinciPERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER
PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER (Studi Kasus Indeks Harga Saham Gabungan dan Harga Minyak Mentah Dunia Tahun 2013 sampai 2015) SKRIPSI Oleh: DEBY FAKHRIYANA 24010212130041
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.. Konsep Dasar Analisis Runtun Waktu Pada bagian ini akan dikemukakan beberapa definisi yang menyangkut pengertian dan konsep dasar analisis runtun waktu. Definisi Runtun waktu
Lebih terperinciMETODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock
40 III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Respon PDB terhadap shock kredit perbankan, pembiayaan pada lembaga keuangan non bank dan nilai emisi saham pada pasar modal
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Uji Akar Unit (Unit Root Test) Kestasioneran data merupakan hal yang sangat penting dalam analisis data time series. Hal ini karena penggunaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Obyek Penelitian Obyek penelitian adalah sesuatu yang menjadi perhatian dalam suatu penelitian, objek penelitian ini menjadi sasaran dalam penelitian untuk mendapatkan
Lebih terperinciIII. METODE PENELITIAN. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari 2000
28 III. METODE PENELITIAN 3.1. Data 3.1.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Bentuk data berupa data time series dengan frekuensi bulanan dari Januari
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini, akan dilakukan analisis dan pembahasan terhadap data runtun waktu. Adapun data yang digunakan dalam penelitian ini merupakan data sekunder, yaitu data
Lebih terperinciMetode Deret Berkala Box Jenkins
METODE BOX JENKINS Metode Deret Berkala Box Jenkins Suatu metode peramalan yang sistematis, yang tidak mengasumsikan suatu model tertentu, tetapi menganalisa deret berkala sehingga diperoleh suatu model
Lebih terperinciIII. METODELOGI PENELITIAN. Dalam penelitian yang berjudul Analisis Determinan Nilai Aktiva Bersih Reksa
III. METODELOGI PENELITIAN A. Definisi Operasional Variabel Dalam penelitian yang berjudul Analisis Determinan Nilai Aktiva Bersih Reksa Dana Saham di Indonesia (Periode 2005:T1 2014:T3) variabel-variabel
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
41 BAB IV HASIL DAN PEMBAHASAN IV.1 Hasil dan Pengolahan Data Pada bab ini akan dibahas mengenai proses dan hasil serta pembahasan dari pengolahan data yang akan dilakukan. Data yang telah didapatkan akan
Lebih terperinciHASIL DAN PEMBAHASAN. Pengujian kestasioneran data diperlukan pada tahap awal data time series
IV. HASIL DAN PEMBAHASAN 4.1. Pengujian Pra Estimasi 4.1.1. Kestasioneran Data Pengujian kestasioneran data diperlukan pada tahap awal data time series untuk melihat ada tidaknya unit root yang terkandung
Lebih terperinciBAB III METODE PENELITIAN. (OJK). Objek tersebut terdiri dari Bank Umum Syaria (BUS) dan Unit Usaha
56 BAB III METODE PENELITIAN A. Objek Penelitian Objek penelitan dalam penelitian ini adalah seluruh bank syariah di Indonesia yang terdaftar di Bank Indonesia (BI) dan Otoritas Jasa Keuangan (OJK). Objek
Lebih terperinciIII. METODE PENELITIAN. Jenderal Pengelolaan Utang, Bank Indonesia dalam berbagai edisi serta berbagai
51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari publikasi dinas atau instansi pemerintah, diantaranya adalah publikasi
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series
40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari
Lebih terperinciVector AutoRegression (VAR)
Vector AutoRegression (VAR) Background When we talk about simultaneous equations, some variables are treated as endogenous variables and the rests are treated as exogenous variables. Before estimating
Lebih terperinciBAB III PARTIAL ADJUSTMENT MODEL (PAM) Pada dasarnya semua model regresi mengasumsikan bahwa hubungan
BAB III PARTIAL ADJUSTMENT MODEL (PAM) 3.1 Model Distribusi Lag Pada dasarnya semua model regresi mengasumsikan bahwa hubungan antara peubah tak bebas dan peubah-peubah bebas bersifat serentak. Hal ini
Lebih terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciMETODE PENELITIAN. time series bulanan dari Januari 2007 sampai dengan Desember Data-data
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan pada penelitian ini adalah data sekunder berupa time series bulanan dari Januari 2007 sampai dengan Desember 2011. Datadata yang
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series
51 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu data time series yang didapat dari Bank Indonesia dan Badan Pusat Statistik dan melalui
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1 Desain Penelitian Penelitian ini didasari oleh gejolak/volatilitas nilai tukar rupiah terhadap mata uang asing (valuta asing).pada nilai transaksi jual beli valuta asing yang
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Unit Analisis dan Ruang Lingkup Penelitian. yang berupa data deret waktu harga saham, yaitu data harian harga saham
32 BAB III METODE PENELITIAN 3.1 Unit Analisis dan Ruang Lingkup Penelitian 3.1.1. Objek Penelitian Objek sampel data dalam penelitian ini menggunakan data sekunder yang berupa data deret waktu harga saham,
Lebih terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
1 Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 This part presents some basic statistical methods essential to modeling, analyzing, and forecasting time series data. Both graphical displays and
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Iklim Iklim ialah suatu keadaan rata-rata dari cuaca di suatu daerah dalam periode tertentu. Curah hujan ialah suatu jumlah hujan yang jatuh di suatu daerah pada kurun waktu
Lebih terperinciIII. METODOLOGI PENELITIAN. A. Data dan Sumber Data Penelitian ini termasuk dalam tipe penelitian arsip yaitu suatu penelitian
III. METODOLOGI PENELITIAN A. Data dan Sumber Data Penelitian ini termasuk dalam tipe penelitian arsip yaitu suatu penelitian terhadap fakta yang tertulis. Dokumen atau arsip data yang diteliti berdasarkan
Lebih terperinciJSIKA Vol. 5, No. 9, Tahun 2016 ISSN X
Analisis Peramalan Harga Saham Perusahaan Properti Dengan Metode (Studi Kasus Ciputra Property CTRP.JK) Asdi Atmin Fildananto 1) Sulistiowati 2) Tegar Heru Susilo 3) Program Studi/Jurusan Sistem Informasi
Lebih terperinciBAB III METODE PENELITIAN
45 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini termasuk dalam katagori metode penelitian kuantitatif karena menggunakan data yang diukur dengan sekala numerik (angka) dan analisis
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN
BAB V HASIL PENELITIAN DAN PEMBAHASAN Dalam penelitian ini penulis melakukan pengujian mengenai Luas panen, Jumlah Penduduk dan Harga terhadap produksi padi di Kabupaten Gunungkidul periode tahun 1982-2015.
Lebih terperinciBAB I PENDAHULUAN. dalam pencapaian proses pembangunan ekonomi. Oleh karena itu, pada
BAB I PENDAHULUAN A. Latar Belakang Masalah Pertumbuhan ekonomi menjadi salah satu target yang sangat penting dalam pencapaian proses pembangunan ekonomi. Oleh karena itu, pada awal pembangunan suatu negara,
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciIII. METODE PENELITIAN. yang mempunyai hubungan dengan penelitian yang terdiri dari data kualitatif dan
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu jenis data yang di peroleh antara lain dari literatur, laporan, buku ataupun sumber
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penilitian ini meneliti faktor-faktor yang mempengaruhi return saham
BAB III METODOLOGI PENELITIAN 3.1 Objek Penelitian Penilitian ini meneliti faktor-faktor yang mempengaruhi return saham pada perusahan dengan menggunakan laporan keuangan tahunan (annual report) pada tahun
Lebih terperinciII. TINJAUAN PUSTAKA. Time series merupakan serangkaian observasi terhadap suatu variabel yang
II. TINJAUAN PUSTAKA 2.1 Analisis Deret Waktu (time series) Time series merupakan serangkaian observasi terhadap suatu variabel yang diambil secara beruntun berdasarkan interval waktu yang tetap (Wei,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinci