1 Data

Data merupakan kumpulan informasi yang memuat fakta terkait suatu peristiwa yang dapat terjadi satu kali atau berulang kali hingga membentuk deret waktu. Data deret waktu menarik untuk dilakukan analisis karena dengan mengetahui polanya, kita akan memperoleh informasi lain yang mungkin belum terungkap. Terdapat empat jenis data yang masing-masing memiliki pola yang berbeda. Keempat jenis data tersebut diantaranya :

  1. data berpola konstan
  2. data berpola trend
  3. data berpola musiman, dan
  4. data berpola gabungan

1.1 Deskripsi Data

Pada tugas ini, digunakan data uang beredar (milyar rupiah) yang bersumber dari Badan Pusat Statistika subjek Keuangan. Data terdiri dari enam peubah yaitu uang kartal, uang giral, jumlah M1 (uang kartal dan uang giral), uang kuasi, surat berharga selain saham dan jumlah M2 (uang kuasi dan surat berharga selain saham). Masing-masing dari enam peubah tersebut memiliki panjang data yang sama yaitu 72 amatan, dikarenakan data yang digunakan merupakan data bulanan selama enam tahun. Peubah yang akan digunakan untuk proses selanjutnya adalah peubah uang kartal, uang giral, uang kuasi dan surat berharga selain saham.

1.2 Akses Data

Data sudah tersedia di Github dan bisa diakses melalui link berikut :

dataasli <- read.csv("https://raw.githubusercontent.com/rnmustika/datakeuangan/main/uang%20beredar.csv", sep = ";", header = TRUE)
dataasli

2 Eksplorasi Data

Eksplorasi data perlu dilakukan supaya dapat diketahui spesifikasi data yang digunakan. Berikut ditampilkan enam data pertama dan terakhir pada data uang beredar (milyar rupiah)

head(dataasli)
tail(dataasli)
colSums(is.na(dataasli))
##                       Waktu                 Uang.Kartal 
##                           0                           0 
##                  Uang.Giral                 Jumlah..M1. 
##                           0                           0 
##                  Uang.Kuasi Surat.Berharga.Selain.Saham 
##                           0                           0 
##                 Jumlah..M2. 
##                           0

Berdasarkan eksplorasi data yang dilakukan, terlihat bahwa keenam peubah sudah terurut berdasarkan bulan dan tidak terdapat missing data sehingga untuk proses selanjutnya dapat dilanjutkan ke pembentukan data time series.

3 Membentuk Data Time Series

Data yang akan digunakan pada proses selanjutnya harus diubah menjadi data dengan tipe time series. Proses konversi data tersebut dilakukan pada masing-masing peubah.

3.1 Uang Kartal

uangkartal.ts <- ts(dataasli$Uang.Kartal)
uangkartal.ts
## Time Series:
## Start = 1 
## End = 72 
## Frequency = 1 
##  [1] 391255.5 387889.3 382004.9 395686.6 406499.0 409713.1 431459.9 423101.3
##  [9] 428860.2 435065.1 437756.2 469534.2 439871.8 422149.4 420213.6 435295.8
## [17] 440659.8 511294.5 474245.9 466501.6 469541.7 467318.2 476850.4 508123.7
## [25] 470250.2 462412.9 468941.9 483042.0 485123.8 561820.8 517809.7 527097.8
## [33] 523359.5 519861.4 537297.6 586576.3 532131.5 531209.3 549216.3 549587.2
## [41] 580625.1 605972.9 583305.9 587788.3 590804.9 581591.8 586235.8 625370.5
## [49] 579294.0 570435.0 585579.0 592935.0 675635.0 625354.0 619652.0 622452.0
## [57] 614231.0 611081.0 622384.0 654683.0 616129.0 607961.0 620353.2 634149.0
## [65] 685044.5 651818.0 668108.2 661167.5 674441.2 707853.8 712635.9 760044.6

3.2 Uang Giral

uanggiral.ts <- ts(dataasli$Uang.Giral)
uanggiral.ts
## Time Series:
## Start = 1 
## End = 72 
## Frequency = 1 
##  [1]  526824.0  539958.2  575575.5  563689.8  574416.3  629804.8  600445.9
##  [8]  603221.6  634178.5  601245.6  613434.5  585905.6  606385.5  613401.2
## [15]  644524.3  653916.4  678108.4  673034.4  670254.9  669046.6  656504.3
## [22]  675467.6  705879.5  729518.8  721249.4  733623.7  746914.8  762885.4
## [29]  790768.6  780030.4  775425.1  747705.5  781014.3  805900.9  800845.7
## [36]  804230.6  794610.5  820048.7  811919.1  822989.0  824001.9  846381.6
## [43]  800196.8  796476.5  820867.8  828985.8  819028.1  831779.2  796842.0
## [50]  815894.0  843027.0  861343.0  832405.0  888166.0  868149.0  853092.0
## [57]  949371.0  893075.0  930751.0  910675.0  868273.0  897529.0 1028328.1
## [64]  942253.0  968566.2  985932.7 1015085.4 1098471.5 1106280.2 1074390.4
## [71] 1086451.4 1095580.1

3.3 Uang Kuasi

uangkuasi.ts <- ts(dataasli$Uang.Kuasi)
uangkuasi.ts
## Time Series:
## Start = 1 
## End = 72 
## Frequency = 1 
##  [1] 3233881 3278945 3275499 3302204 3293147 3305641 3325908 3362148 3426343
## [10] 3391260 3386209 3479961 3436492 3473033 3483694 3479713 3483442 3539326
## [19] 3573997 3596408 3599248 3622679 3671427 3753809 3731093 3732699 3783893
## [28] 3771124 3832520 3866025 3866731 3925677 3930659 3939212 3964507 4009996
## [37] 4006565 3983463 4018929 4020982 4015794 4066586 4107208 4128708 4177276
## [46] 4237684 4246310 4282364 4248576 4264672 4299148 4272092 4334710 4379037
## [55] 4435433 4435064 4540893 4497071 4495761 4545213 4535529 4584358 4763598
## [64] 4637301 4790161 4735028 4865764 4947017 4946507 4976024 4994353 5021205

3.4 Surat Berharga Selain Saham

suratberhargass.ts <- ts(dataasli$Surat.Berharga.Selain.Saham)
suratberhargass.ts
## Time Series:
## Start = 1 
## End = 72 
## Frequency = 1 
##  [1] 22865.77 11330.68 13282.12 14131.06 14307.45 13642.77 15394.15 15614.55
##  [9] 19221.25 15507.75 14924.68 13399.06 15612.52 13367.78 13441.04 12952.23
## [17] 11851.79 13795.95 11881.91 14070.45 12336.40 13013.85 14493.97 13525.09
## [25] 14289.33 14184.33 17894.35 16729.05 16971.01 17289.43 18113.19 19167.46
## [33] 19105.83 19345.43 18781.78 18362.25 18377.60 16929.47 15761.26 15530.45
## [41] 14661.37 15209.12 17081.62 16478.55 17831.40 19250.94 19401.33 20532.73
## [49] 20273.00 19776.00 19492.00 20362.00 17758.00 15953.00 17898.00 23953.00
## [57] 29683.00 25681.00 25482.00 25981.00 26719.00 26646.00 28178.08 24564.00
## [65] 24421.55 20964.93 18767.21 19479.01 21345.42 22576.08 24016.08 23219.81

4 Plot Data dan Pembahasan

4.1 Plot Uang Kartal

ts.plot(uangkartal.ts, xlab="periode waktu", ylab="data uang kartal yang beredar", main="Plot time series data uang kartal yang beredar", ylim=c(300000,800000))
points(uangkartal.ts)

Berdasarkan plot time series data uang kartal yang beredar, data menunjukkan pola data gabungan. Pola data gabungan paling banyak ditemukan dalam kehidupan kita sehari-hari salah satu contohnya yaitu data uang kartal yang beredar selama enam tahun dimulai dari 2015 sampai dengan 2020. Pola data gabungan ini merupakan gabungan antara seasonal dan trend. Pola data tersebut merupakan pola data seasonal karena terdapat 12 musim selama 72 periode sehingga kurang lebih terdapat 6 series data pada setiap musimnya. Selain itu, pola data juga menunjukkan trend yang positif, karena nilai x kecil ketika y juga kecil.

4.2 Plot Uang Giral

ts.plot(uanggiral.ts, xlab="periode waktu", ylab="data uang giral yang beredar", main="Plot time series data uang giral yang beredar", ylim=c(400000,1200000))
points(uanggiral.ts)

Berdasarkan plot time series data uang giral yang beredar, data menunjukkan pola data trend yang positif, karena nilai x kecil ketika y juga kecil.

4.3 Plot Uang Kuasi

ts.plot(uangkuasi.ts, xlab="periode waktu", ylab="data uang kuasi yang beredar", main="Plot time series data uang kuasi yang beredar", ylim=c(3000000,5000000))
points(uangkuasi.ts)

Berdasarkan plot time series data uang kuasi yang beredar, data menunjukkan pola data trend yang positif, karena nilai x kecil ketika y juga kecil.

4.4 Plot Surat Berharga Selain Saham

ts.plot(suratberhargass.ts, xlab="periode waktu", ylab="data surat berharga selain saham yang beredar", main="Plot time series data surat berharga selain saham yang beredar", ylim=c(10000,30000))
points(suratberhargass.ts)

Berdasarkan plot time series data surat berharga selain saham yang beredar, data menunjukkan pola data gabungan yaitu gabungan antara cyclic dan trend. Data menunjukkan pola cyclic dikarenakan data menunjukkan kenaikan dan penurunan pada periode yang tidak tetap. Trend menunjukkan trend positif karena cenderung memiliki nilai x yang kecil ketika nilai y kecil.

4.5 Gabungan Plot

plotgab <- par(mfrow=c(2,2))

ts.plot(uangkartal.ts, xlab="periode waktu", ylab="data uang kartal", main="Plot time series data uang kartal",
        ylim=c(300000,800000))
ts.plot(uanggiral.ts, xlab="periode waktu", ylab="data uang giral", main="Plot time series data uang giral", 
        ylim=c(400000,1200000))
ts.plot(uangkuasi.ts, xlab="periode waktu", ylab="data uang kuas", main="Plot time series data uang kuasi", 
        ylim=c(3000000,5000000))
ts.plot(suratberhargass.ts, xlab="periode waktu", ylab="data surat berharga selain saham", main="Plot time series data surat berharga selain 
        saham", ylim=c(10000,30000))

5 Menyimpan Plot

Plot dapat otomatis tersimpan di directory yang kamu inginkan

setwd("D:\\SEMESTER 2\\STA542 Analisis Deret Waktu\\Praktikum Analisis Deret Waktu STA542\\Pertemuan 1")

jpeg(file="plot gabungan.jpeg", width=1200, height=800)
par(mfrow=c(2,2))

ts.plot(uangkartal.ts, xlab="periode waktu", ylab="data uang kartal", main="Plot time series data uang kartalr",
        ylim=c(300000,800000))
ts.plot(uanggiral.ts, xlab="periode waktu", ylab="data uang giral", main="Plot time series data uang giral", 
        ylim=c(400000,1200000))
ts.plot(uangkuasi.ts, xlab="periode waktu", ylab="data uang kuas", main="Plot time series data uang kuasi", 
        ylim=c(3000000,5000000))
ts.plot(suratberhargass.ts, xlab="periode waktu", ylab="data surat berharga selain saham", main="Plot time series data surat berharga selain 
        saham", ylim=c(10000,30000))
dev.off()
## png 
##   2

6 Sumber Rujukan

  1. Materi dari pola data deret waktu dapat diakses pada https://rpubs.com/Akbar_rizki/poladata
  2. Akses untuk data uang beredar https://www.bps.go.id/subject/13/keuangan.html#subjekViewTab5