Tugas 5 - Time Series-STATA [PDF]

Citation preview

TUGAS PERTEMUAN KE-5 PRAKTIKUM METODE STATISTIKA



NAMA NIM KELAS



: YUSFIL KHOIR PULUNGAN : 11.6973 : I-A



SEKOLAH TINGGI ILMU STATISTIK JAKARTA 2012



Karena, kita perlu memasukkan beberapa variable yang kita gunakan pada pembuatan grafik



Time Series. Berikut langkah-langkah membuat variabelnya dengan



menggunakan ommand pada STATA : Membuat variable harga pada periode A dengan cara Gen Pa=uniform() Membuat variable harga pada periode B dengan cara Gen Pb=uniform() Membuat variable kuantitas pada periode A dengan cara Gen Qa=uniform() Membuat variable kuantitas pada periode B dengan cara Gen Pa=uniform() Untuk mengetahui hasil dari beberapa perintah yang sudah kita ketikkan tadi pada command STATA maka kita tinggal ketikkan browse pada commandnya. Sehingga akan muncul data yang sudah ada berdasarkan hasil survey sebagai berikut.



data yang sebenarnya sebanyak 250 sesuai yang kita buat tadi, namun dipersingkat agar lebih jelas. Pada command STATA kita hanya perlu mengetikkan code berikut untuk menghitung sesuai rumus perhitungan angka indeks dengan metode Laspeyres. gen laspeyers=( Pa* Qa[1]+Pb* Qb[1])/( Pa[1]* Qa[1]+ Pb[1]*Qb[1]) Membuat grafik time series 1. Gen n=_n 2. tsset n time variable: n, 1 to 250 delta: 1 unit 3. twoway (tsline laspeyers)



0



1



laspeyers



2



3



Berikut grafik Time Series-nya



0



50



100



150 n



200



250



Untuk melihat sebaran datanya ketikkan scatter laspeyers n pada command STATA,



0



1



laspeyers



2



3



sehingga dihasilkan grafik sebagai berikut :



0



50



100



150



200



250



n



Untuk lebih jelasnya saya menggunakan data gnp96 agar metode Time Seriesnya lebih terlihat dengan mengetikkan command-command berikut ini pada command STATA. 1. clear 2. sysuse dir 3. sysuse gnp96 4. tsset date, daily 5. twoway (tsline gnp96)



4000



6000



8000



10000



Maka akan dihasilkan grafik Time Series seperti grafik Time series di bawah ini :



01feb1960



01mar1960



01apr1960 01may1960 Date



01jun1960



01jul1960



Dalam data tidak terjadi perubahan yang sangat drastic sehingga untuk menghindari hal tersebut kita bias menghitung rata-rata dari data dengan menggunakan STATA dengan data sebelum serta sesudah yang kita kehendaki. Sebagai contoh untuk latihan saya menggunakan tiga data sebelum dan satu buah data sesudah sehingga ada lima buah data yang akan dihitung rata-ratanya. Kita tinggala mengetikkan perintah tssmooth ma lasp = laspeyers, window(3 1 1) dimana lasp adalah variable baru yang dibuat. Maka didapatkan formula berikut ini : (1/5)*[x(t-3) + x(t-2) + x(t-1) + 1*x(t) + x(t+1)]; x(t)= laspeyers Gambar disamping adalah hasil dari perintah yang kita lakukan tadi.



Dengan mengetikkan perintah twoway (tsline lasp) (tsline laspeyers) pada command STATA



0



2



4



6



8



akan dihasilkan grafik Time Series variable Lasp dengan laspeyers.



01jan1960



01apr1960



01jul1960



01oct1960



n ma: x(t)= laspeyers: window(3 1 1)



laspeyers



Sedikit tentang penjelasan Time Series : a. Pengertian Time Series Time Series merupakan metode dalam statistika untuk mengumpulkan data variabel tertentu dari waktu ke waktu secara kronologis yang kemudian dijadikan dasar untuk melakukan peramalan. b. Macam – Macam Komponen Dalam Time Series 1. Trend (T) Pola gerak dalam grafik time series secara terus-menerus yang cenderung menuju ke satu arah dalam jangka panjang. 2. Musim / Season (S) Pola gerak turun naik dalam grafik time-series secara teratur dan berulang-ulang pada setiap periode waktu tertentu dalam jangka pendek. 3. Siklus / Konjungtur Cycle (C)



Pola gerak turun naik secara teratur dan berulang-lang pada setiap periode waktu tertentu dalam jangka panjang. 4. Tidak Beraturan / Irregular (I) Pola gerak dalam garafik time series secara tidak beraturan dan berulang-ulang baik dalam bentuk maupun periode waktunya.



c.



Macam – Macam Model Grafik Time Series 1. Additive Model Y=T+S+C+I Pola gerakannya diantara 2 garis sejajar. 2. Multiplicative Model Y=TxSxCxI Pola gerakannya diantara 2 garis yang tidak sejajar.



d. Trend Macam – macam Bentuk Trend : 1. Trend Linier Trend yang merupakan suatu garis lurus yang mempunyai bentuk umum persamaan garis : a = nilai trend pada saat X = 0 atau pada waktu dasar b = koefisien garis trend Y= besarnya perubahan unit Y akibat perubahan setiap unit waktu tertentu X = unit waktu tertentu YT= nilai trend untuk setiap nilai X tertentu



Tugas Berikutnya adalah membuat Piramida Penduduk !!! Karena akan membuat piramida penduduk disini menggunakan data Sensus Penduduk untuk membukanya terlebih dahulu kita menutup data yang tadi dibuka dengan mengetikkan clear, kemudian kita mengetikkan sysuse dir untuk melihat file pada STATA dan kemudian kita pilih file Sensus yang akan digunakan dengan mengetikkan sysuse pop2000. Kemudian kita me-Replace variable maletotal dan femtotal dengan menggunakan perintah pada command STATA sebagai berikut : replace maletotal=- maletotal/1e+6 replace femtotal=femtotal/1e+6 Setelah itu untuk menghasilkan gambar Piramida penduduk kita tinggal menggabungkan keduanya dengan perintah twoway bar maletotal agegrp, horizontal || bar femtotal agegrp, horizontal pada command STATA. Kemudian dihasilkan seperti dibawah



10 5 0



Age category



15



20



ini:



-10



-5



0 Male Total



5 Female Total



10



Karena terlihat ada yang negative kita bias menghilangkannya dengan menggunakan perintah pada STATA berikut ini



:



twoway bar maletotal agegrp, horizontal || bar femtotal agegrp, horizontal ||, ylabel(1(1)17, angle(horizontal) valuelabel labsize(*0.8)) xlabel(-10 "10" -7.5 "7.5" -5 "5" 2.5 "2.5" 2.5 5 7.5 10) Akan dihasilkan Piramida Penduduk seperti yang kita inginkan sebelumnya.



80 to 84 75 to 79 70 to 74 65 to 69 60 to 64



Age category



55 to 59 50 to 54 45 to 49 40 to 44 35 to 39 30 to 34 25 to 29 20 to 24 15 to 19 10 to 14 5 to 9 Under 5



10



7.5



5



2.5



2.5



Male Total



Sedikit penjelasan tentang Piramida Penduduk di atas



5



7.5



10



Female Total



:



Komposisi penduduk suatu wilayah atau negara dapat disajikan dalam bentuk diagram yang berbentuk piramida. Piramida penduduk menyajikan data kependudukan dalam bentuk diagram batang yang menunjukkan komposisi penduduk menurut umur dan jenis kelamin. Tersusun dari garis atau koordinat vertikal yang digunakan untuk menyatakan golongan umur. Dimulai dari umur 0–4, 5–9, dan seterusnya hingga usia maksimal yang bisa dicapai oleh penduduk di suatu wilayah. Jenis kelamin laki-laki di sebelah kiri, sedangkan golongan perempuan di sebelah kanan. Garis horizontal digunakan untuk menunjukkan jumlah, biasanya dalam jutaan, tetapi tergantung pada kuantitas penduduk. Bentuk piramida penduduk berbeda-beda untuk setiap wilayah atau negara. Meskipun bentuknya berbeda-beda, pada dasarnya dapat dikelompokkan menjadi tiga. Masing-masing bentuk mencerminkan karakteristik penduduknya



Bentuk piramida penduduk diatas menggambarkan tingkat kelahiran yang lebih rendah dari tingkat kematian atau bersifat konstruktif. Penurunan tingkat kelahiran yang tajam menyebabkan pertumbuhan penduduk mengalami penurunan. Piramida penduduk ini memiliki umur median (pertengahan) sangat tinggi. Contoh: piramida penduduk negara Jerman, Belgia, dan Swiss Tugas berikutnya Membuat Kurva Kemencengan : Untuk membuat kurva kemencengan kita menggunakan perintah pada command STATA, perintahnya berikut ini



:



twoway function y=normalden(x), range(-4 -1.96) color(gs12) recast(area) || function y=normalden(x), range(1.96 4) color(gs12) recast(area) || function y=normalden(x), range(-4 4) lstyle(foreground)||, plotregion(style(none))ysca(off) xsca(noline)legend(off)xlabel(-4 "-4sd" -3 "-3sd" -2 "-2sd" -1 "-1sd" 0 "mean" 1 "1sd" 2 "2sd" 3 "3sd" 4 "4sd", grid gmin gmax) xtitle("") Maka akan dihasilkan seperti di bawah ini



-4sd



-3sd



-2sd



-1sd



:



mean



1sd



2sd



3sd



4sd



Kurva diatas merupakan jenis kurva Leptokurtis dimana pada kurva puncaknya terlihat runcing. Sebagaimana konsep Keruncingan Distribusi Data adalah derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data. Keruncingan data disebut kurtosis.



Ada tiga jenis derajat keruncingan : Leptokurtis, distribusi data yang puncaknya relatif tinggi. =Mesokurtis, distribusi data yang puncaknya normal, tidak terlalu runcing. =Platikurtis, distribusi data yang puncaknya terlalu rendah atau terlalu mendatar.



Maka, syarat keruncingan terbagi atas tiga yaitu : Jika alfa 4 = 3, Mesokurtis Jika alfa 4 > 3, Leptokurtis Jika alfa 4 < 3 ,Platikurtis



k=JK/JP



Dimana , k = koefisien kurtosis persentil



Dengan syarat, Jika k = 0,263 , maka disebut mesokurtis. Jika k > 0,263 , maka disebut leptokurtis. Jika k < 0,263 , maka disebut platikurtis.