Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Dalam analisis deret waktu terdapat model stasioner dan model non stasioner. 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 ketidak lengkapan 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 yakni data harian nilai tukar rupiah terhadap dollar Amerika Serikat mulai tanggal 1 April sampai dengan 30 April 200