20
observasi dari variabel Z berurutan dan merupakan suatu variabel random yang diambil secara independen setiap periode sehingga membuat setiap
langkah berurutan yang dijalani Z adalah random.
Definisi 2
Jika suatu proses stokastik yang mempunyai fkp bersama ,...,
, ,
3 2
1 nk
t n
t n
t n
t
Z Z
Z Z
P
+ +
+ +
yang independen terhadap t, sebarang bilangan bulat k dan sebarang pilihan n
1
, n
2
, …, n
k
dengan sifat bahwa struktur probabilitiknya tidak berubah dengan berubahnya waktu, maka proses ini dinamakan stasioner, jika
tidak semikian maka tidak stasioner Soejoeti, 1987:2.4.
2. Jenis-jenis Analisis Runtun Waktu
a. Berdasarkan sejarah nilai observasinya runtun waktu dibedakan
menjadi dua, yaitu: 1
Runtun waktu deterministik, adalah runtun waktu yang nilai observasinya yang akan datang dapat diramalkan secara pasti
berdasarkan data masa lampau. 2
Runtun waktu stokastik, adalah runtun waktu dengan nilai observasi yang akan datang bersifat probabilistik, berdasarkan
observasi yang lampau. b.
Berdasarkan gerakan variasi data time series terdiri dari empat macam pola komponen sebagai berikut:
1 Gerakan jangka panjang Trend
21
Gerakan jangka panjang trend adalah suatu yang menunjukkan arah perkembangan secara umum, yaitu
kecendrungan naik trend positif atau kecendrungan turun trend negatif.
2 Gerakan variasi siklis
Gerakan variasi siklis merupakan perubahan suatu hal yang berulang kembali lebih dari satu tahun. Variasi siklis dinyatakan
dalam bentuk indeks siklis. Metode yang dapat digunakan untuk mengetahui indeks siklis adalah metode residual.
3 Gerakan atau variasi musiman
Variasi musim merupakan variasi pasang surut yang berulang kembalidalam waktu tidak lebih dari 1 tahun.
4 Gerakan atau variasi random
Variasi random merupakan perubahan suatu hal yang terjadi secara tiba-tiba dan sukar diperkirakan. Rangkaian waktu
variasi ini menunjukkan gerakan yang tidak teratur. c.
Berdasarkan jenis runtun waktunya dibedakan menjadi dua, yaitu: 1
Model-model linier untuk deret yang statis Stationary Series Menggunakan teknik penyaringan untuk deret waktu, yaitu
yang disebut dengan model ARMA Autoregresive Moving Average untuk suatu kumpulan data.
2 Model-model linier untuk deret yang tidak statis Non stationary
Series
22
Runtun waktu yang tidak stasioner bisa disebabkan oleh banyak hal, tetapi kiranya yang paling banyak dijumpai adalah
runtun waktu yang tidak mempunyai mean yang tetap Soejoeti, 1987:4.1. Untuk menyelesaikan permasalahan tersebut
menggunakan model ARIMA Autoregresive Integrated Moving Average untuk suatu kumpulan data.
E. Langkah-Langkah Atau Tahapan Analisis Time Series