pengolahan data metode arima
TRANSCRIPT
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 1/20
1
Autoregressive Integrated
Moving Average(ARIMA)
Untuk mendapatkan filenya silakan kunjungi:qiyara.ipromart.co.id
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 2/20
Qiyara Damayanti Consulting 2
Konsep ARIMA
ARIMA disebut juga metode Box-Jenkins, yangmerupakan suatu teknik yang mengabaikanindependent variable dalam melakukanperamalan, sehingga;
ARIMA hanya menggunakan nilai-nilai sekarangdan masa lalu dari dependent variable untukmelakukan peramalan jangka pendek.
Perbedaannya dengan metode lain karenametode ini tidak mengasumsikan pola tertentudalam data historis dari series yang akandiforecast .
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 3/20
Qiyara Damayanti Consulting 3
Proses Pemilihan Model ARIMA
Penentuan Bentuk
Umum Model
Identifikasi Model
Terpilih secara Tentatif
Estimasi Parameter Model
Terpilih secara Tentatif
Uji Kecukupan Model
(Adequacy Test )
Gunakan Model untuk
Peramalan
• Stasioneritas(Residu)
•Autokorelasi
(Residu)
• AIC
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 4/20
Qiyara Damayanti Consulting 4
Proses Pemilihan Model ARIMA
Model AR( p)
Model MA(q)
Model ARIMA ( p,i=0,q)
t pt pt t t t uY Y Y Y Y
...1312110
pt pt t t t t u
...131211
pt pt t pt pt t Y Y Y
......11110
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 5/20
Qiyara Damayanti Consulting 5
Penentuan Model Terbaik
Model ARIMA terbaik, adalah model ARIMA yangmemiliki:
Signifikansi t-stat untuk seluruh suku AR dan MA dalampersamaan. Probabilita t-stat dari setiap koefisien lebih
kecil dari 0.1 (asumsi =10%). Nilai inverted root matriks (IRM) suku AR dan MA, |IRM| <1
Nilai residual yang bebas otokorelasi. Yaitu nilai koefisienkorelasi | AC | dan |PAC | yang lebih kecil dari 0.5; danprobabilita Q-stat seluruh variabel selang yang lebih besar
dari 0.1. Memiliki nilai Schwarz Criterion atau Akaike Information
Criterion (AIC) terkecil.
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 6/20
Qiyara Damayanti Consulting 6
Penentuan Model Terbaik
Guna memperoleh hasil estimasi yang baikperhatikanlah kriteria berikut:
Gunakan data dalam jumlah yang banyak (long series)
Gunakan suku MA yang sedikit
Jika menggunakan suku AR dan MA, gunakan dalam jumlah sedikit
Semakin sedikit suku AR dan MA yang digunakan akan
semakin baik
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 7/20
Qiyara Damayanti Consulting 7
Penentuan Bentuk Umum: I Pengujian Stasioneritas: Merupakan inspeksi visual atas series: view line graph
t t t y y 100 .
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 8/20
Qiyara Damayanti Consulting 8
Penentuan Bentuk Umum: I Pengujian Statistik: Augmented Dickey Fuller Test
E-views: View Unit Root Test (ADF)
ADF stat sebesar -2.549886 nilainya secara absolut lebih kecildari MacKinnon critical value data memiliki unit root (tidak
stasioner) pada level. Lakukan kembali pengujian unit root,
tetapi kali ini pada tingkat 1st difference:
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 9/20
Qiyara Damayanti Consulting 9
To Do … Do the ARIMA (1,2,1), store it! A
d(d(gdpriil)) c AR(1) MA(1)
Do the ARIMA (1,2,0), store it! B d(d(gdpriil)) c AR(1)
Do the ARIMA (0,2,1), store it! C
d(d(gdpriil)) c MA(1) COMPARE THEM ALL | OK | Tdk OK |
Significance: | AR(1) Stasionerity of
residual: | Q-statistic/ Correlogram/ DW: Adj-R2: | ARI AIC: | ARI
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 10/20
Qiyara Damayanti Consulting 10
Penentuan Bentuk Umum: I Sekarang ADF stat secara absolut lebih besar daripada critical
value Tolak Ho (tolak hipotesa bahwa ada unit root alias
tidak stasioner) bentuk data yang stasioner pada firstdifference.
Secara tidak langsung ordo integrasi pun telah ditemukan,
yaitu d = 1. Berikutnya adalah penentuan ordo suku AR dan MA.
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 11/20
Qiyara Damayanti Consulting 11
Penentuan Bentuk Umum: AR-MA Pengujian correlogram:
View Correlogram(lakukan sesuai denganhasil derajat integrasi)
Biarkan Eviewsmenentukan panjang lagmaksimum-ok
Dari grafik batang AC:pelanggaran garis batasterjadi pada lag 1, 8, dan12 kandidat MA (1).
Dari grafik batang PAC:pelanggaran garis batas
juga terjadi pada lag 1 kandidat AR (1). 3 kandidat model: ARIMA(1,1,1); ARIMA(1,1,0)/ARI (1); danARIMA (0,1,1)/IMA (1).
Selanjutnya adalahpenentuan model terbaik.
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 12/20
Qiyara Damayanti Consulting 12
Estimasi Parameter
Model ARIMA (1,1,1): quick-estimate equation-ketikkan:d(gdp) c AR(1) MA(1)
Repeat: Model ARI (1): d(gdp) c AR(1), dan
Repeat: IMA (1): d(gdp) c MA(1)
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 13/20
Qiyara Damayanti Consulting 13
Estimasi Parameter: ARIMA (1,1,1)
Hasil Estimasi: suku MA tidak signifikan maka model inigugur.
MODEL ARIMA (1,1,1)Dependent Variable: D(GDP)
Variable Coefficient Std. Error t-Statistic Prob.
C 23.50643 5.942468 3.955667 0.0002 AR(1) 0.499691 0.275092 1.816447 0.0729MA(1) -0.201503 0.312611 -0.644582 0.5210
R-squared 0.105750 Mean dependent var 23.34535
Adjusted R-squared 0.084202 S.D. dependent var 35.93794S.E. of regression 34.39166 Akaike info criterion 9.947766Sum squared resid 98171.24 Schwarz criterion 10.03338
Log likelihood -424.7539 F-statistic 4.907606Durbin-Watson stat 1.994227 Prob(F-statistic) 0.009673
Inverted AR Roots .50Inverted MA Roots .20
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 14/20
Qiyara Damayanti Consulting 14
Estimasi Parameter: AR(1)/ ARIMA(1,1,0)
Hasil Estimasi: suku AR signifikan.
Didukung lebih lanjut dg. nilai |IRM|<1 Kandididat OK
Perlu diuji lebih lanjut dengan pengujian otokorelasi.
MODEL ARI(1)
Dependent Variable: D(GDP)Variable Coefficient Std. Error t-Statistic Prob.
C 23.44152 5.412216 4.331224 0.0000 AR(1) 0.317238 0.102975 3.080716 0.0028
R-squared 0.101516 Mean dependent var 23.34535 Adjusted R-squared 0.090820 S.D. dependent var 35.93794S.E. of regression 34.26717 Akaike info criterion 9.929234Sum squared resid 98636.06 Schwarz criterion 9.986311Log likelihood -424.9570 F-statistic 9.490809Durbin-Watson stat 2.034425 Prob(F-statistic) 0.002791
Inverted AR Roots .32
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 15/20
Qiyara Damayanti Consulting15
Estimasi Parameter: IMA (1)/ARIMA(0,1,1)
Hasil Estimasi: suku MA signifikan.
Didukung lebih lanjut dg. nilai |IRM|<1 Kandididat OK
Perlu diuji lebih lanjut dengan: Pengujian otokorelasi.
MODEL IMA(1)
Dependent Variable: D(GDP)Variable Coefficient Std. Error t-Statistic Prob.
C 22.79699 4.666371 4.885378 0.0000MA(1) 0.258489 0.104582 2.471642 0.0154
R-squared 0.080866 Mean dependent var 22.93333 Adjusted R-squared 0.070053 S.D. dependent var 35.93448
S.E. of regression 34.65297 Akaike info criterion 9.951364Sum squared resid 102070.4 Schwarz criterion 10.00805Log likelihood -430.8843 F-statistic 7.478367Durbin-Watson stat 1.911491 Prob(F-statistic) 0.007598
Inverted MA Roots -.26
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 16/20
Qiyara Damayanti Consulting16
Uji Kecukupan: Pengujian Otokorelasi
Fokus pada residual model.
Pada masing-masing model: View Residual Test Correlogram Q-statistics
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 17/20
Qiyara Damayanti Consulting17
Uji Kecukupan : Pengujian Otokorelasi
Kedua model OK: terlihat dari ketidaksignifikanan nilai Q-statdi setiap lag.
Maka langkah terakhir pemilihan model akan bergantung padanilai SC yang lebih kecil: ARI (1) memiliki nilai SC sebesar 9.986.
IMA (1) sebesar 10.00805.
Model ARI(1) yang terbaik.
MODELAdjustedR square
AIC SC
IMA (1) 0.070053 9.951364 10.00805 ARI (1) 0.09082 9.929234 9.986311
ARIMA(1,1,1)* 0.084202 9.947766 10.03338
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 18/20
Qiyara Damayanti Consulting 18
Peramalan
Tipe Peramalan:
Back Cast
Fore Cast
Kriteria model peramalan terbaik: Theil inequality coefficient < 0.2
Bias proportion < 0.2
Variance proportion < 0.2
Nilai covariance proportion mendekati 1.
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 19/20
Qiyara Damayanti Consulting 19
Peramalan: Kelayakan Model Terlihat bahwa nilai bias proportion nilainya 0.053880
(dibawah 0.2), sementara covariance proportion 0.856076(hampir mendekati 1), maka model ini dapat meramal nilaiGDP kedepan.
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id
8/14/2019 Pengolahan data metode arima
http://slidepdf.com/reader/full/pengolahan-data-metode-arima 20/20
Qiyara Damayanti Consulting 20
Peramalan: Aplikasi Perpanjang range data.
Pada menu utama Eviews click procs-change workfilerange-ubah end date menjadi 1992.1, karena bentuk datayang kuartalan-ok.
Ubah juga sampel data, procs-sample-ubah end date
menjadi 1992.1-ok. Kemudian kembali pada model ARI (1):
Procs Make model
Solve
Terbentuk variabel forecast gdpf dengan tambahan
nilai konsumsi 1992.1.
Untuk mendapatkan filenya silakankunjungi: qiyara.ipromart.co.id