Uji Stasioneritas Augmented Dickey–Fuller (ADF) dengan R

Uji Stasioneritas Augmented Dickey-Fuller (ADF) adalah pengujian yang dilakukan terhadap data deret waktu (time series) untuk mengetahui apakah data deret waktu tersebut stasioner atau tidak.

Sebagian analisis deret waktu mensyaratkan agar data stasioner terlebih dahulu sebelum dilakukan analisis lebih lanjut, misalnya analisis data menggunakan ARIMA. Oleh karena itu, untuk memenuhi syarat tersebut, maka uji stasioneritas perlu dilakukan.

Kestasioneran yang dimaksud adalah stasioner data terhadap rata-rata dan stasioner terhadap varian.

Hipotesis

Hipotesis uji stasioner data deret waktu menggunakan ADF adalah:

H₀ : data tidak stasioner

H₁ : data stasioner

Package R

Package R yang digunakan adalah tseries. Jika package tersebut belum ter-install, maka install terlebih dahulu.

install.packages("tseries")

Selanjutnya aktifkan.

library(tseries)

Masukkan data deret waktu

Data yang dimasukkan adalah data yang akan diuji kestasionerannya, misalnya data inflasi Kota Padang di bawah ini.

data <- read.csv("http://r-stats.id/media/downloads/data/inflasi.csv", header = TRUE)
data.ts <- ts(data$padang, start=c(2010, 1), end=c(2019, 12), frequency=12)

Pengujian ADF

Uji ADF menggunakan perintah adf.test().

adf.test(data.ts)

	Augmented Dickey-Fuller Test

data:  data.ts
Dickey-Fuller = -6.8759, Lag order = 4, p-value = 0.01
alternative hypothesis: stationary

Warning message:
In adf.test(data.ts) : p-value smaller than printed p-value

Keputusan

Keputusan dari hasil di atas adalah karena p-value lebih kecil dari 0,05 (tingkat signifikansi) maka tolak H₀.

Tapi, upsss, tunggu dulu, rasanya nilai p-value terlalu jauh dari tingkat signifikansi. Hal ini mungkin saja karena saya menetapkan lag order secara default yang bernilai 4.

Karena data inflasi termasuk data musiman, maka lag order perlu diperlebar menjadi 12 (banyaknya bulan dalam satu tahun).

adf.test(data.ts, k=12)

	Augmented Dickey-Fuller Test

data:  data.ts
Dickey-Fuller = -3.4542, Lag order = 12, p-value = 0.04939
alternative hypothesis: stationary

Hasilnya tetap p-value lebih kecil dari tingkat signifikansi sehingga tolak H₀. Tapi nilai p-value terbaru ini tetap lebih logis dibandingkan nilai p-value sebelumnya.