twitter

Langkah Langkah Menentukan Model ARIMA


  1. Melihat time series plot dari data. Tujuannya yaitu melihat pola dari data, apakah data sudah stasioner atau belum (baik stasioner terhadap varians dan mean). Dalam hal ini, pengecekan dilakukan melalui visual, sehingga pemeriksaan kestasioneran belum pasti. 
  2. Pengecekan stasioneritas data dalam varians dapat menggunakan Box-Cox Transformation. Dilihat nilai rounded value (λ) dan nilai batas estimasinya. Jika nilai rounded value (λ) atau batas estimasi sudah melewati 1, maka data sudah dapat dikatakan stasioner dalam varians. Jika belum atau tidak bernilai 1, maka dilakukan transformasi pada data sesuai nilai rounded valuenya (λ).
  3. Pengecekan kestasioneran data dalam mean, menggunakan plot ACF (Auto Correlation Function). Jika plot ACF turun secara melambat atau eksponensial, maka data dikatakan belum stasioner terhadap mean. Cara menstasionerkan data dalam mean, yaitu dengan cara mendifference data. Dalam melakukan difference data, lag yang digunakan sesuai dengan kebutuhan data hingga data menjadi stasioner. Data dikatakan stasioner dalam mean jika plot ACF data mengalami cut off.
  4. Setelah data stasioner baik terhadap mean dan varians, maka langkah selanjutnya yaitu pendugaan model ARIMA yang terbentuk. Pendugaan model yang terbentuk dapat diduga melalui plot ACF dan PACF (Partial Auto Correlation Function). Polt ACF digunakan unutk menduga model “MA”, sedangkam plot PACF, digunkan unutk menduga model “AR”, sedangkan “I” diperoleh melalui banyak lag difference yang dilakukan. Model dipilih melaui plot yang mengalami cut off dari plot AC dan PACF. 
  5. Setelah dugaan model ARIMA terbentuk, maka dilakukan pengujian signifikansi parameter dan asumsi. Asumsi yang harus terpenuhi yaitu residual data harus berdistribusi normal dan white noise. Jika hasil dari pengujian signifikansi parameter dan pengujian asumsi tidak terpenuhi, maka model ARIMA tidak dapat digunakan. Jika parameter sudah signifikan dan pengujian asumsi terpenuhi, maka model ARIMA dapat digunakan untuk meramalkan data periode kedepan.
Sunday, December 18, 2011 | 0 comments |

0 comments:

Post a Comment

Subscribe to: Post Comments (Atom)