16
dengan waktu sebagai variabel bebasnya.
Model
ARIMA merupakan
model
yang
dikembangkan
secara
intensif
oleh
George Box dan Gwilyn Jenkins sehingga nama
mereka
sering
disinonimkan
dengan
proses ARIMA yang
diterapkan
untuk
analisis
dan
peramalan
data
runtun
waktu
(time
series).
ARIMA
sebenarnya
adalah
teknik
untuk
mencari
pola
yang
paling
cocok
dari
sekelompok
data
(curve
fitting),
dengan
demikian
ARIMA
memanfaatkan
sepenuhnya
data
masa
lalu
dan
sekarang
untuk
melakukan peramalan jangka pendek yang akurat.
Contoh
pemakaian
model
ARIMA
adalah
peramalan
harga
saham
dipasar
modal
yang
dilakukan para pialang yang didasarkan pada pola perubahan harga saham dimasa
lampau
(Sugiarto
dan
Harijono,
2000).
ARIMA juga
telah
digunakan
pada
beberapa
penelitian empiris di Bursa Efek Jakarta, misalnya penelitian Ibnu Qizam (2001, pp235-
257)
yang
menggunakan ARIMA untuk
menganalisis
kerandoman
perilaku
laba
perusahaan di Bursa Efek Jakarta, penelitian tersebut mengambil kesimpulan bahwa
metode ARIMA masih relevan dalam menggambarkan perilaku laba.
Dalam
melakukan analisis empiris menggunakan data runtun waktu, para peneliti
dan ekonometrisi menghadapi beberapa tantangan (Gujarati, 2003, p837), yaitu :
pertama, studi empiris dengan basis data runtun waktu mengasumsikan bahwa data
runtun
waktu
adalah
stasioner. Asumsi
ini
memiliki
konsekuensi
penting
dalam
menterjemahkan
data
dan
model
ekonomi.
Hal
ini
karena
data yang
stasioner
pada
dasarnya tidak mempunyai variasi yang terlalu besar selama
periode pengamatan dan
mempunyai kecenderungan untuk mendekati nilai rata-ratanya.
Kedua, dalam regresi
suatu
variabel
runtun waktu dengan
variabel
runtun waktu
yang
lain, seorang peneliti
menginginkan bahwa koefisien determinasi R²
memiliki
nilai
yang tinggi tetapi seringkali tidak terdapat keterkaitan yang berarti antara kedua variabel
 |