Model ARIMA (Metodologi Box-Jenkins)
Model ARIMA atau yang disebut metodologi Box-Jenkins
sangat baik untuk peramalan jangka pendek, akan tetapi
untuk peramalan jangka panjang ketepatan ramalannya
kurang baik yang ditunjukkan dengan nilai peramalan yang
cenderung konstan naik atau turun mengikuti
data time series sebelumnya.
Urutan Metodologi Box-Jenkins (ARIMA) sbb :
1. Tentative IDENTIFICATION
data historis digunakan untuk sementara mengidentifikasi
model ARIMA yang sesuai.
2. ESTIMATION
data historis digunakan untuk memperkirakan parameter
dari model tentatif yang telah diidentifikasi.
3. DIAGNOSTIC CHECKING
berbagai diagnosa digunakan untuk memeriksa kecukupan
model tentatif yang telah diidentifikasi, jika diperlukan,
untuk memberi usul model diperbaiki, yang nantinya
kemudian dianggap sebagai model sementara yang baru.
4. FORECASTING
Setelah memperoleh model akhir, model tersebut digunakan
untuk meramalkan nilai time series yang akan datang.
jika dibentuk dalam skema kurang lebih sbb :
1 komentar:
permisi mbak, saya pernah menulis tentang fungsi autocorrelation untuk penentuan pola data time series apakah musiman, tren, atau stationer, di artikel berikut: http://datacomlink.blogspot.com/2015/12/data-mining-identifikasi-pola-data-time.html yang ingin saya tanyakan, apakah ada teknik lain untuk mencari pola data time series selain fungsi autocorrelation ya mbak? terima kasih
Posting Komentar