PEMODELAN AUTOREGRESSIVE (AR) PADA DATA HILANG

Dalam analisis deret waktu terdapat model stasioner dan model nonstasioner.
Salah satu model deret waktu yang stasioner adalah model Autoregressive. Model
Autoregressive adalah suatu model yang mengasumsikan bahwa data pada periode
sekarang dipengaruhi oleh data pada periode sebelumnya. Dalam memodelkan
suatu data deret waktu seringkali dijumpai adanya ketidaklengkapan data yang
disebut data hilang. Data hilang disebabkan oleh beberapa faktor, antara lain
karena informasi untuk sesuatu tentang objek tidak diberikan, sulit dicari, atau
memang informasi tersebut tidak ada. Untuk itu perlu dilakukan penelitian lebih
lanjut pada pendekatan model Autoregressive jika terdapat data hilang. Dalam
menaksir parameter data hilang digunakan metode Ordinary Least Square (OLS).
Parameter model Autoregressive dengan data hilang yang signifikan akan
digunakan dalam membangun model. Setelah mendapatkan model langkah
selanjutnya adalah menguji kelayakan model yaitu uji asumsi White Noise dan uji
kenormalan. Data yang digunakan sebagai aplikasi tulisan ini dibagi atas dua data
yakni data harian nilai tukar rupiah terhadap dollar Amerika Serikat dimulai
tanggal 1 April 2009 sampai tanggal 30 April 2009 dan data harian nilai tukar
rupiah terhadap dollar Amerika Serikat dimulai tanggal 2 September 2009 sampai
tanggal 30 Nopember 2009.
Kata kunci : Deret waktu, Stasioner, nonstasioner, Autoregressive, data hilang,
Ordinary Least Square (OLS).