Analisis time series EViews adalah metode pengolahan data runtut waktu menggunakan software EViews untuk memproyeksikan tren masa depan dan menguji hubungan antarvariabel ekonomi. Proses ini melibatkan serangkaian tahapan statistik seperti uji stasioneritas, pemilihan lag optimum, uji kointegrasi, hingga estimasi model akhir guna menghasilkan kesimpulan riset skripsi yang akurat.
Apa Itu Analisis Time Series dalam EViews?
Analisis time series dalam EViews adalah teknik statistika yang dirancang khusus untuk mengolah data observasi yang dikumpulkan secara berurutan dari waktu ke waktu, seperti harian, bulanan, atau tahunan. Teknik ini membantu peneliti mendeteksi pola historis, musiman, dan siklikal untuk keperluan peramalan ekonomi maupun keuangan.
Software EViews (Econometric Views) mempermudah mahasiswa dalam menguji karakteristik data deret waktu yang sering kali tidak stasioner. Tanpa pengolahan yang tepat, regresi menggunakan data deret waktu dapat menghasilkan regresi lancung atau spurious regression, di mana hubungan antarvariabel terlihat signifikan padahal sebenarnya tidak ada hubungan kausalitas yang nyata.
Bagaimana Langkah-Langkah Melakukan Uji Stasioneritas di EViews?
Uji stasioneritas di EViews dilakukan menggunakan uji Augmented Dickey-Fuller (ADF) untuk memastikan rata-rata dan varians data konstan sepanjang waktu. Jika nilai statistik ADF lebih kecil dari nilai kritis McKinnon pada tingkat signifikansi 5 persen, maka data dinyatakan stasioner dan siap dianalisis.
Berikut adalah rincian tahapan praktis yang harus Anda lakukan saat menguji stasioneritas data runtut waktu pada perangkat lunak EViews:
- Buka workfile EViews yang sudah berisi data variabel penelitian Anda.
- Klik dua kali pada variabel yang ingin diuji untuk membuka jendela deret waktu.
- Pilih menu View pada bagian atas jendela, lalu klik Unit Root Test.
- Tentukan jenis pengujian, apakah menggunakan Level atau First Difference, serta pilih opsi Intercept atau Trend and Intercept.
- Bandingkan nilai t-statistic hasil output dengan MacKinnon critical values untuk menarik kesimpulan.
Bagaimana Cara Memilih Lag Optimum dalam Model VAR di EViews?
Pemilihan lag optimum dalam model Vector Autoregression (VAR) di EViews dilakukan dengan melihat kriteria informasi terkecil seperti Akaike Information Criterion (AIC) atau Schwarz Information Criterion (SIC). Langkah ini krusial agar model ekonometrika memiliki derajat kebebasan yang memadai dan bebas dari masalah autokorelasi.
Ketika Anda mengestimasi model VAR, penentuan lag yang tidak tepat akan mendistorsi hasil uji kausalitas Granger maupun impulse response function. Oleh karena itu, peneliti harus membandingkan nilai minimum dari beberapa kriteria informasi yang disediakan oleh EViews secara simultan.
Bagaimana Prosedur Uji Kointegrasi Johansen di EViews?
Uji kointegrasi Johansen di EViews dijalankan untuk mendeteksi ada atau tidaknya hubungan jangka panjang antarvariabel yang tidak stasioner pada tingkat level. Pengujian ini melibatkan perbandingan nilai Trace Statistic dan Max-Eigen Statistic dengan nilai kritis yang ditetapkan pada tabel Johansen.
Jika hasil uji menunjukkan adanya kointegrasi, maka analisis dilanjutkan dengan pembentukan Error Correction Model (ECM) atau Vector Error Correction Model (VECM). Model ini mampu menangkap penyesuaian jangka pendek menuju keseimbangan jangka panjang secara simultan.
Ringkasan Tahapan Analisis Time Series di EViews
Agar proses pengolahan data skripsi Anda berjalan sistematis, tabel berikut merangkum tahapan utama analisis time series beserta kriteria pengujian yang umum digunakan dalam EViews:
| Tahapan Analisis | Nama Pengujian di EViews | Kriteria Keputusan Utama |
|---|---|---|
| Uji Akar Unit | Augmented Dickey-Fuller (ADF) | Probabilitas < 0,05 atau t-stat < t-tabel |
| Penentuan Lag | VAR Lag Order Selection | Nilai AIC, SC, atau HQ terkecil |
| Uji Kointegrasi | Johansen Cointegration Test | Trace Statistic > Critical Value (0,05) |
| Uji Kausalitas | Pairwise Granger Causality | Probabilitas Chi-Square < 0,05 |
Bagaimana Cara Mengatasi Data Time Series yang Tidak Stasioner?
Data time series yang tidak stasioner pada tingkat level diatasi dengan melakukan proses differencing atau pengubahan bentuk data ke tingkat turunan pertama (first difference). Jika data masih belum stasioner, proses differencing dapat dilanjutkan ke tingkat second difference hingga nilai probabilitas ADF test menunjukkan angka di bawah 0,05.
Selain differencing, beberapa peneliti juga mencoba mentransformasikan data ke bentuk logaritma natural (Ln) untuk meredam fluktuasi varians yang terlalu besar. Namun, penentuan transformasi ini harus tetap disandarkan pada teori ekonomi yang mendasari penyusunan kerangka konseptual skripsi Anda.
Pertanyaan Umum
Apa itu analisis time series di EViews?
Analisis time series di EViews adalah metode pengolahan data runtut waktu untuk menguji stasioneritas, kointegrasi, dan hubungan kausalitas antarvariabel ekonomi guna peramalan.
Bagaimana cara uji stasioneritas di EViews?
Uji stasioneritas dilakukan dengan membuka menu View pada variabel, memilih Unit Root Test, lalu menjalankan Augmented Dickey-Fuller test pada level atau first difference.
Kapan harus menggunakan VECM di EViews?
Model VECM digunakan ketika data variabel penelitian tidak stasioner pada level tetapi terbukti memiliki kointegrasi atau hubungan jangka panjang berdasarkan uji Johansen.
Melakukan pengolahan data menggunakan perangkat lunak ekonometrika memang memerlukan ketelitian tinggi, mulai dari tahap pembersihan data hingga pembacaan output signifikansi. Jika Anda mengalami kendala teknis seputar interpretasi model, uji asumsi klasik, ataupun pengolahan data lanjutan termasuk layanan jasa data panel, pastikan untuk berkonsultasi dengan pembimbing akademik atau profesional yang berpengalaman di bidangnya agar hasil skripsi valid secara metodologis.