TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints54986
UR  - http://digilib.unila.ac.id/54986/
A1  - HILDA MAHARANI, 1417031055
Y1  - 2019///
N2  - Analisis data deret waktu sering digunakan dalam bidang ekonomi dan bisnis
untuk meramalkan nilai suatu variabel di masa yang akan datang. Jika suatu data
deret waktu tidak stasioner, maka peramalan akan sulit untuk dilakukan. Selain
itu, akan muncul masalah regresi palsu (spurious regression). Namun, jika galat
yang dihasilkan oleh regresi ini bersifat stasioner, maka data tersebut dikatakan
berkointegrasi. Tujuan dari penelitian ini yaitu menerapkan model ECM (Error
Correction Model) pada data deret waktu yang saling berkointegrasi.
Data yang digunakan dalam penelitian ini adalah data makroekonomi
US 1970-1991 yang terdiri dari 2 variabel, yaitu Product Domestic
Income (PDI) dan Personal Consumption Expenditures (PCE). Hasil uji stasioner
menunjukkan bahwa kedua variabel tidak stasioner, namun galat yang dihasilkan
oleh regresi antara kedua variabel tersebut bersifat stasioner. Sehingga, PDI dan
PCE dikatakan saling berkointegrasi. Artinya, terdapat keseimbangan jangka
panjang antara kedua variabel waktu tersebut. Dari pendugaan model ECM, dapat
disimpulkan bahwa terdapat keseimbangan jangka pendek antara kedua variabel
dengan model ECM sebagai berikut:
?PCE = 11,6918 + 0,2906 ?PDI ? 0,0867? . hasil pengujian terhadap galat model dapat disimpulkan bahwa galat bersifat white
noise. Hal tersebut ditunjukkan dengan galat yang berdistribusi normal, tidak
terdapat autokorelasi, dan tidak terdapat gejala heteroskedastisitas.

Kata kunci: Deret waktu, Kointegrasi, ECM, White noise
Time series data analysis is often used in the economic and business field in order
to predict the value of the future data acquisition. If time series data is not
stationary, then forecasting will be difficult. Otherwise, spurious regression
problem will arise. However, if the error produced by this regression is stationary,
then the data is called to be cointegrated. The purpose of this study is to apply the
ECM (Error Correction Model) on time series data that co-integrate with each
other.
The data used in this study are US 1970-1991 macroeconomic data
which consist of 2 variables, namely Product Domestic Income (PDI)
and Personal Consumption Expenditures (PCE). The result of stationary test
showed that the two variables were not stationary, but the resulting error from the
regression of the two variables was stationary. Then PDI and PCE is said to be
cointegrated. That is, there is a long-term balance between the two time variables.

From the estimation of the ECM model, it can be concluded that there is a short-
term balance between the two time variables with the ECM model as follows:

?PCE = 11,6918 + 0,2906 ?PDI ? 0,0867?

from this model, it can be concluded that the error is white noise. This is indicated
by errors that are normally distributed, nonautocorrelated,and nonheteroscedastic.

Keywords: Time series, Cointegration, ECM, White noise.
PB  - FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
TI  - ANALISIS DATA DERET WAKTU YANG SALING BERKOINTEGRASI

DENGAN MENGGUNAKAN MODEL ECM
(ERROR CORRECTION MODEL)
AV  - restricted
ER  -