Contoh Pemodelan dan Peramalan dengan metode ARIMA

| di 09.10

1.      Data Time Series Penjualan Rumah (Data W 16 dari Buku Wei)


Data yang digunakan adalah data penjualan rumah yang ada di Amerika Serikat mulai bulan Januari 1968 sampai bulan Desember 1982. Dilakukan analisis menggunakan time series model untuk mendapatkan model yang sesuai dengan data yang ada, sebagai berikut :

35
43
46
46
43
41
44
47
41
40
32
34
40
43
42
43
44
39
40
33
32
31
34
29
36
42
43
44
44
48
45
44
40
45
49
62
62
58
59
64
62
50
52
50
51
56
60
65
64
63
63
72
61
65
51
55
60
68
63
65
61
54
52
46
42
37
37
44
55
53
58
50
48
45
41
34
30
29
34
44
54
57
51
51
53
46
46
46
41
53
55
62
55
56
57
59
58
55
49
57
68
84
81
78
74
64
74
71
63
55
57
63
75
85
80
77
68
72
68
70
53
53
58
73
72
68
63
64
68
60
54
41
43
44
44
36
44
50
55
61
50
46
39
37
40
49
44
45
38
36
34
28
29
27
28
29
36
32
36
34
31
36
39
40
39

Dari data diatas dilakukan pengolahan data dengan mengunakan Minitab dan diketahui bahwa plot time series yang didapat menunjukkan data yang ada tidak stasioner terhadap mean. Hasil plot yang didapatkan sebagai berikut :

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Read Comments

Pemilihan Model Terbaik dan Peramalan

| di 08.26


Untuk menentukan model yang terbaik dapat digunakan standard error Estimate, Model terbaik adalah model yang memiliki nilai standard error estimate (S) yang paling kecil. Selain nilai standard error estimate, nilai standar deviasi peramalan (MSE) dapat juga digunakan sebagai bahan pertimbangan dalam menentukan model yang terbaik.

Jika model terbaik telah ditetapkan, maka model siap digunakan untuk peramalan. Untuk data yang mengalami differencing, bentuk selisih harus dikembalikan pada bentuk awal dengan melakukan proses integral karena yang diperlukan adalah ramalan time series asli. Notasi yang digunakan dalam ARIMA adalah notasi yang mudah dan umum. Misalkan model ARIMA (0,1,1)(0,1,1)9 dijabarkan menjadi sebuah persamaan regresi yang lebih umum:

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Read Comments

Pemeriksaan Diagnosa

| di 08.15


Dalam pemeriksaan terhadap model ada beberapa metode yang bisa dilakukan, antara lain adalah:
  1. Pengujian model secara keseluruhan (Overall F test) dan pengujian masingmasing parameter model secara parsial (t-test), untuk menguji apakah koefisien model signifikan secara statistic atau tidak baik secara keseluruhan maupun parsial.
  2. Model dikatakan baik jika nilai error bersifat random, artinya sudah tidak mempunyai pola tertentu lagi. Dengan kata lain model yang diperoleh dapat menangkap dengan baik pola data yang ada. Untuk melihat kerandoman nilai error dilakukan pengujian terhadap nilai koefisien autokorelasi dari error, dengan menggunakan salah satu dari dua statistik berikut, yaitu Uji Q Box dan Pierce atau Uji Ljung-Box.

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Read Comments
Langganan: Postingan (Atom)

Sample Gadget

Sample Gadget 2

Diberdayakan oleh Blogger.

Pengikut