proses sarima
TRANSCRIPT
-
7/24/2019 proses sarima
1/3
2.3.4 Metode ARIMA Musiman
Model ARIMA juga dapat mengatasi fluktuasi data musiman. Musiman berarti kecenderungan
mengulangi pola tingkah gerak dalam periode musim . Model ini sering disebut ARIMA
Musiman atau Seasonal Arima(SARIMA. !entuk umum model ARIMA musiman dapat
dituliskan sebagai ARIMA (p"d"# ($"%"&S. 'rde $ adalah orde Autoregressie musiman" %
adalah orde differencing pada periode musiman" dan & adalah orde Moing Aerage Musiman"
dan S adalah periode musiman. Secara umum" bentuk A)* dan $A)* model ARIMA musiman
stasioner men+erupai A)* dan $A)* non,musiman" han+a saja nilai,nilai +ang keluar terjadi
pada lag,lag musiman dan kelipatann+a.
Secara umum bentuk Model ARIMA Musiman ( -ei"2/ adalah0
p(B )P(BS )(1B )d (1BS )DXt=+q(B )Q(B
S )a t
%engan"
P(BS ) 0 operator autoregressie musiman
P(BS ) 0 (11B
SP B
PS)
Q(BS ) 0 operator moing aerage musiman
Q(BS
) 0 (11B
S
QB
QS
)
Musiman berarti kecendrungan mengulangi pola tingkah gerak dalam periode musim.%eret
1aktu musiman mempun+ai karakteristik +ang ditunjukkan oleh adan+a korelasi beruntun +ang
-
7/24/2019 proses sarima
2/3
kuat pada jarak semusim ()r+er"/. 5ntuk data +ang stasioner" faktor musiman dapat
ditentukan dengan mengidentifikasi koefisien autokorelasi pada dua atau tiga time-lag +ang
berbeda n+ata dari nol. Autokorelasi +ang secara signifikan berbeda dari nol men+atakan adan+a
suatu pola dalam data. Secara umum bentuk model ARIMA Musiman adalah
ARIMA (p"d"#($"%"&S
dengan"(p"d"# 6 bagian +ang tidak musiman dari model
($"%"& 6 bagian musiman dari model
S 6 jumlah periode per musim
2.3.5 Model AR Musiman
Bentuk umum dari proses autoregresif musiman periode S tingkat P atau AR(P)s
didefenisikan sebagai berikut.
t = !st " XXX !22 st "#" X ! " $ %tpstp
(2.23)Persamaan diatas dapat &uga ditulis dalam bentuk'
)(XB = $tt(2.2)
dengan )( S !!= 2BBB QS *ang dikenal sebagai operator AR(P)S
dimana
$t adala+ independen dan berdistribusi normal dengan mean , dan varians2a
- . ebagai /onto+ model AR(p)S akan di&elaskan model AR()2 *akni suatu proses
0Xt1 dikatakan mengikuti model AR()2&ika mengikuti modelt = XX !2 "$tt(2.25)
dengan E(Xt) = 0, untuk semua k diperole+
!ktt )( = (XEXXE !2 "$ )($X !2 "$ !ktttt )(2.24)
engan membagi persamaan diatas dengan 6 , akan diperole+
7k = 7k!2 8 untuk k 9 (2.2:);elas ba+)
?ang berimplikasi ba+
-
7/24/2019 proses sarima
3/3
2.3.6 Model MA Musiman
Bentuk umum dari proses moving average musiman periode S tingkat Q atau
MA(@)S
didenisikan sebagai berikut.
X = $tt ! $ !st ! $ !22 st !#! $ ! QSt(2.2)
Persamaan (2.2) dapat &uga ditulis dalam bentuk'
t = BX )( $t(2.3,)
dengan8QS
Q
S S
BBB 2 # !!!!= B
)( 2
(2.3)
*ang dikenal sebagai operator MA(@)S8 dengan $t adala+ independen danberdistribusi normal dengan mean , dan varians - a 2 . ebagai /onto+ dari model
MA(@)S akan di&elaskan model MA()2. uatu prosesXt dikatakan mengikuti model
MA()2&ika 0Xt1 mengikuti model'
X =$ tt ! $ t!2(2.3)
;elas ba+