metode peramalan deretwaktu - stat.ipb.ac.id series/kuliah 12 - identifikasi model.pdfย ยท untuk...

Post on 13-Aug-2019

226 Views

Category:

Documents

0 Downloads

Preview:

Click to see full reader

TRANSCRIPT

Metode Peramalan Deret Waktu

Proses pemodelan Box & Jenkins

1. Spesifikasi/identifikasi model

Penentuan model tentatif berdasarkan data contoh untukmengidentifikasi nilai ๐‘ dan ๐‘ž

2. Model fitting

pendugaan parameter model ARMA(p,q) yang diidentifikasi

3. Diagnostik model

memeriksa sisaan model untuk melihat kelayakan model

Untuk pengamatan ๐‘Œ1, ๐‘Œ2, โ€ฆ , ๐‘Œ๐‘› , berlaku:

dengan ๐‘Ÿ๐‘˜ merupakan penduga bagi ๐œŒ๐‘˜ .

Jika ๐‘Œ๐‘ก adalah deret waktu yang berdistribusi normal, maka:

๐œ™๐‘˜๐‘˜ = ๐ถ๐‘œ๐‘Ÿ๐‘Ÿ ๐‘Œ๐‘ก , ๐‘Œ๐‘กโˆ’๐‘˜ ๐‘Œ๐‘กโˆ’1, ๐‘Œ๐‘กโˆ’2, โ€ฆ , ๐‘Œ๐‘กโˆ’๐‘˜+1

Misal:

fungsi linear ๐›ฝ1๐‘Œ๐‘กโˆ’1 + ๐›ฝ2๐‘Œ๐‘กโˆ’2 +โ‹ฏ+ ๐›ฝ๐‘˜โˆ’1๐‘Œ๐‘กโˆ’๐‘˜+1 prediksi ๐‘Œ๐‘ก

PACF pada lag ke-๐‘˜ korelasi antara galat prediksi

Persamaan yule-walker:

๐œŒ๐‘— = ๐œ™๐‘˜1๐œŒ๐‘—โˆ’1 + ๐œ™๐‘˜2๐œŒ๐‘—โˆ’2 +โ‹ฏ+ ๐œ™๐‘˜๐‘˜๐œŒ๐‘—โˆ’๐‘˜ ,untuk ๐‘— = 1,2, โ€ฆ , ๐‘˜

catatan:

๐œŒ๐‘— = ๐œŒโˆ’๐‘— ; ๐œŒ0 =1

๐œŒ๐‘˜ ACF

๐œ™๐‘˜๐‘˜ PACF

๐œ™๐‘˜๐‘˜ penduga bagi ๐œ™๐‘˜๐‘˜

dengan:

Misal diketahui data berikut:

4, 2, 5, 1

Tentukan ACF ๐‘Ÿ1, ๐‘Ÿ2 dan PACF ๐œ™11, ๐œ™22berdasarkan data contoh di atas.

๐‘Ÿ1 = ๐‘ก=1+14 ๐‘Œ๐‘ก โˆ’ ๐‘Œ ๐‘Œ๐‘กโˆ’1 โˆ’ ๐‘Œ

๐‘ก=14 ๐‘Œ๐‘ก โˆ’ ๐‘Œ

2

๐‘Ÿ1 =2 โˆ’ 3 4 โˆ’ 3 + 5 โˆ’ 3 2 โˆ’ 3 + 1 โˆ’ 3 5 โˆ’ 3

4 โˆ’ 3 2 + 2 โˆ’ 3 2 + 5 โˆ’ 3 2 + 1 โˆ’ 3 2

๐‘Ÿ1 =โˆ’7

10= โˆ’0.7

๐‘Ÿ2 = ๐‘ก=2+14 ๐‘Œ๐‘ก โˆ’ ๐‘Œ ๐‘Œ๐‘กโˆ’2 โˆ’ ๐‘Œ

๐‘ก=14 ๐‘Œ๐‘ก โˆ’ ๐‘Œ

2=

5 โˆ’ 3 4 โˆ’ 3 + 1 โˆ’ 3 2 โˆ’ 3

4 โˆ’ 3 2 + 2 โˆ’ 3 2 + 5 โˆ’ 3 2 + 1 โˆ’ 3 2= 0.4

๐‘Œ =1

44 + 2 + 5 + 1 = 3

Persamaan Yule-Walker:

๐œŒ1 = ๐œ™21๐œŒ0 + ๐œ™22๐œŒ1 โ†” ๐œ™21 = ๐œŒ1โˆ’๐œ™22๐œŒ1

๐œŒ2 = ๐œ™21๐œŒ1 + ๐œ™22๐œŒ0

โ†” ๐œŒ2 = ๐œŒ1โˆ’๐œ™22๐œŒ1 ๐œŒ1 + ๐œ™22๐œŒ0

โ†” ๐œŒ2 = ๐œŒ12 โˆ’ ๐œ™22๐œŒ1

2 + ๐œ™22

โ†” ๐œ™22 =๐œŒ2 โˆ’ ๐œŒ1

2

1 โˆ’ ๐œŒ12

๐œ™11 = ๐‘Ÿ1 = โˆ’0.7

๐œ™22 =๐‘Ÿ2 โˆ’ ๐‘Ÿ1

2

1 โˆ’ ๐‘Ÿ12=0.4 โˆ’ โˆ’0.7 2

1 โˆ’ โˆ’0.7 2= โˆ’0.176

AR(๐’‘) MA(๐’’)ARMA(๐‘, ๐‘ž),

๐‘ > 0, dan ๐‘ž > 0

ACF Tails offCuts off setelah

lag qTails off

PACF

Cuts off setelah

lag p Tails off Tails off

Catatan: ACF atau PACF turun secara perlahan tidak stasioner

๐‘Œ๐‘ก = ๐‘’๐‘ก โˆ’ ๐œƒ๐‘’๐‘กโˆ’1

๐‘Œ๐‘ก = ๐‘’๐‘ก โˆ’ ๐œƒ1๐‘’๐‘กโˆ’1 โˆ’ ๐œƒ2๐‘’๐‘กโˆ’2

Galat baku bagi ๐‘Ÿ๐‘˜ adalah ๐‘†๐‘Ÿ๐‘˜ =1

๐‘›,

dengan n menyatakan banyaknya data contoh

Hipotesis ๐ป0: ๐œŒ๐‘˜ = 0 ditolak jika ๐‘Ÿ๐‘˜ >

2๐‘†๐‘Ÿ๐‘˜ atau ๐‘Ÿ๐‘˜ >2

๐‘›

๐‘Œ๐‘ก = ๐œ™๐‘Œ๐‘กโˆ’1 + ๐‘’๐‘ก

Hipotesis ๐ป0: ๐œ™๐‘˜๐‘˜ = 0 ditolak jika ๐œ™๐‘˜๐‘˜ >2

๐‘›

1. Cryer JD, Chan KS. 2008. Time Series Analysis with Application with R. New York: Springer.

2. Pustaka lain yang relevan.

top related