AUTOREGRESSIVE
INTEGRATED
MOVING AVERAGE
TIME SERIES
(DERET BERKALA)
Contoh :
Tahun
Bln
CH (mm)
2007
197
237
110
77
129
71
48
10
41
11
69
12
212
83
329
85
2008
2.
3.
4.
MODEL ARIMA(p,d,q)
Merupakan model yang dibangun
berdasarkan proses autoregresif
(Autoregressive, AR) berorde p dan
proses rata rata bergerak (Moving
Average, MA) berorde q yang
mengalami pembedaan (differencing)
sebanyak d kali.
Stationarity (Stasioneritas)
Differencing (Pembedaan)
Transformasi
Seasonal (Musiman)
Non Seasonal (Non Musiman)
Note :
p = orde autoregressive non musiman (AR)
d = differencing non musiman
q = orde moving average non musiman (MA)
P = orde autoregressive musiman (SAR)
D = differencing musiman
Q = orde moving average musiman (SMA)
Minitab 13
Statistica 5.0
SPSS 13.0
Hy BMG v.1.6.6
TAHAP-TAHAP
PEMODELAN ARIMA
1. Identifikasi parameter model
dengan menggunakan ACF dan
PACF.
2. Estimasi (penaksiran)
komponen-komponen AR dan MA.
3. Pengujian dan penerapan model
untuk meramalkan series data
beberapa periode ke depan.
1. Identifikasi
30
29
28
27
PANAKUKANG
25
1986
1988
1987
1990
1989
1992
1991
1994
1993
1996
1995
1998
1997
2000
1999
2002
2001
2004
2003
2005
700
Tahun
600
sst 3
26
500
400
300
200
100
0
Periode
100
200
300
400
500
600
700
identifikasi
A C F
(Autocorrelation Function)
identifikasi
Z ( 1 ) rk Z ( 1 )
n
n
CORRELOGRAM ACF
batas bawah
batas atas
Autocorrelation
PANAKUKANG 1985-2004
Note :
5%
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Z 0.025 1.96
12
22
Lag
Corr
LBQ
Lag
Corr
LBQ
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0.56
0.39
0.41
0.37
0.28
0.21
0.13
0.06
0.00
-0.09
-0.17
-0.21
-0.25
-0.29
-0.30
14.91
8.27
7.88
6.57
4.70
3.49
2.17
0.97
0.04
-1.52
-2.73
-3.37
-3.95
-4.41
-4.47
223.30
334.67
454.99
553.25
609.64
642.64
655.83
658.51
658.51
665.10
686.64
720.06
767.68
829.60
896.67
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
-0.32
-0.34
-0.33
-0.33
-0.33
-0.31
-0.29
-0.24
-0.24
-0.17
-0.08
-0.04
0.01
0.08
0.17
-4.67
-4.69
-4.55
-4.40
-4.28
-3.92
-3.55
-2.92
-2.92
-1.97
-0.96
-0.51
0.11
0.90
1.98
974.18
1057.26
1140.32
1222.58
1304.71
1377.24
1439.42
1482.83
1527.40
1548.13
1553.09
1554.51
1554.58
1559.05
1580.56
32
Lag
42
52
62
Corr
LBQ
Lag
Corr
LBQ
Lag
31 0.27
32 0.30
33 0.33
34 0.38
35 0.43
36 0.44
37 0.42
38 0.40
39 0.36
40 0.27
41 0.17
42 0.14
43 0.06
44 -0.02
45 -0.08
3.15
3.42
3.72
4.21
4.61
4.67
4.32
3.95
3.51
2.60
1.65
1.32
0.53
-0.15
-0.79
1635.71
1702.72
1784.70
1893.91
2031.23
2180.94
2316.61
2436.26
2534.76
2590.96
2613.90
2628.75
2631.15
2631.34
2636.69
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
-0.13
-0.16
-0.19
-0.25
-0.27
-0.28
-0.31
-0.31
-0.32
-0.32
-0.31
-0.29
-0.26
-0.25
-0.20
-1.20
-1.52
-1.82
-2.29
-2.50
-2.59
-2.85
-2.83
-2.86
-2.78
-2.66
-2.47
-2.25
-2.11
-1.72
2649.11
2669.11
2698.24
2744.83
2801.15
2862.61
2938.79
3015.77
3096.21
3173.97
3246.99
3310.95
3365.31
3413.87
3446.36
61
62
63
64
65
66
67
68
69
70
71
72
Corr
72
T
LBQ
n 240
n
lag
4
n 240 n 45 lag
nk
rk
(Y Y )(Y
t 1
t k
Y )
2
(
Y
Y
)
t
t 1
identifikasi
CORRELOGRAM PACF
Partial Autocorrelation
PANAKUKANG 1985-2004
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
12
22
32
42
52
62
72
Lag
PAC
Lag
PAC
Lag
PAC
Lag
PAC
Lag
PAC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0.56
0.12
0.22
0.08
-0.01
-0.03
-0.08
-0.08
-0.07
-0.13
-0.11
-0.08
-0.07
-0.06
-0.03
14.91
3.24
5.86
2.18
-0.26
-0.76
-2.24
-2.21
-1.92
-3.60
-2.97
-2.23
-1.96
-1.48
-0.81
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
-0.05
-0.05
-0.05
-0.06
-0.07
-0.06
-0.07
-0.02
-0.11
0.02
0.03
0.00
0.03
0.03
0.09
-1.42
-1.22
-1.41
-1.58
-1.99
-1.67
-1.75
-0.62
-2.83
0.60
0.90
0.13
0.77
0.79
2.42
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
0.14
0.05
0.06
0.06
0.08
0.09
0.04
0.03
0.01
-0.08
-0.11
-0.03
-0.09
-0.05
-0.06
3.68
1.30
1.73
1.63
2.19
2.34
1.00
0.70
0.15
-2.21
-2.90
-0.74
-2.42
-1.23
-1.53
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
-0.01
0.03
0.03
0.01
0.03
0.01
-0.03
-0.01
-0.05
-0.01
-0.04
-0.03
-0.01
-0.04
0.00
-0.35
0.85
0.83
0.19
0.86
0.14
-0.81
-0.17
-1.23
-0.30
-0.94
-0.84
-0.27
-1.01
0.01
61
62
63
64
65
66
67
68
69
70
71
72
-0.02
-0.04
-0.03
0.03
-0.01
0.05
0.06
0.10
0.11
-0.01
-0.02
-0.01
-0.42
-1.10
-0.77
0.72
-0.17
1.38
1.52
2.71
2.84
-0.16
-0.58
-0.38
identifikasi
KONSEP STASIONERITAS
2.
500
Dif f 36 Dif f 1
1.
-500
Periode
100
200
300
400
500
600
700
identifikasi
Dif f 1
d=1
0
-500
Periode
100
200
300
400
500
600
700
Y1
pembedaan orde 1
Y2
Y2' Y2 Y1
pembedaan orde 1
pembedaan orde 2
Y3
Y3' Y3 Y2
Y3'' Y3' Y2'
Yt 1
Yt
pembedaan orde 1
pembedaan orde 2
Yt ' Yt Yt 1
Yt '' Yt ' Yt '1
identifikasi
SEASONAL DIFFERENCING
Digunakan untuk menghilangkan pola musiman yang kuat.
Diff36 Diff1 PANAKUKANG
Dif f 36 Dif f 1
500
D=1
d=1
Periode
Y1
100
200
300
400
500
600
700
Y2
Y3
Y4
pembedaan musiman 4 periode
Y5
Y5' Y5 Y1
pembedaan musiman 4 periode
Y6
Y6' Y6 Y2
2. Estimasi
Lag ke-36
SMA(Q = 1)
Autocorrelation
2
Lag Corr
MA(q = 2)
atau
MA(q = 1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
-0.35
-0.22
0.04
0.05
-0.03
-0.01
0.01
-0.01
0.07
-0.04
-0.04
0.04
-0.02
-0.01
0.00
LBQ
-9.12
-5.09
0.91
1.19
-0.75
-0.11
0.30
-0.13
1.48
-0.85
-0.90
0.83
-0.48
-0.16
0.09
83.53
115.88
117.00
118.91
119.66
119.68
119.80
119.83
122.82
123.82
124.94
125.90
126.22
126.25
126.26
12
Lag Corr
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0.02
-0.02
0.01
0.01
-0.01
-0.01
-0.02
0.08
-0.09
0.01
0.07
-0.01
-0.03
-0.02
-0.01
22
T
LBQ
0.40
-0.44
0.18
0.29
-0.33
-0.12
-0.43
1.83
-2.10
0.22
1.48
-0.14
-0.66
-0.39
-0.23
126.48
126.75
126.80
126.92
127.07
127.09
127.36
132.15
138.50
138.57
141.78
141.81
142.45
142.68
142.75
32
Lag Corr
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
0.10
-0.06
-0.09
0.12
0.19
-0.45
0.16
0.09
-0.01
0.00
-0.06
0.05
-0.03
0.03
-0.06
42
LBQ
2.17
-1.23
-1.98
2.53
4.17
-9.52
2.97
1.58
-0.11
0.09
-1.10
0.93
-0.56
0.57
-1.14
149.77
152.07
157.99
167.83
195.04
344.63
363.13
368.49
368.52
368.53
371.16
373.04
373.74
374.45
377.30
52
Lag Corr
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
0.02
0.01
0.01
-0.01
0.02
-0.01
-0.00
0.01
-0.01
0.00
0.00
0.00
0.04
-0.08
0.04
62
LBQ
0.45
0.25
0.23
-0.26
0.29
-0.23
-0.03
0.22
-0.22
0.04
0.07
0.00
0.70
-1.40
0.69
377.76
377.90
378.01
378.17
378.35
378.47
378.47
378.57
378.68
378.68
378.69
378.69
379.81
384.29
385.37
Lag Corr
61
62
63
64
65
66
67
68
69
70
71
72
0.04
-0.03
-0.05
0.04
0.03
-0.04
-0.04
0.04
0.07
-0.04
-0.00
-0.10
72
T
LBQ
0.66
-0.56
-0.83
0.72
0.47
-0.68
-0.64
0.70
1.30
-0.67
-0.02
-1.74
386.37
387.10
388.71
389.93
390.44
391.52
392.49
393.65
397.63
398.70
398.70
405.87
ACF
estimasi
Lag ke-36
SAR(P = 1)
Partial Autocorrelation
AR (p = 0)
12
22
32
42
52
62
72
Lag
PAC
Lag
PAC
Lag
PAC
Lag
PAC
Lag
PAC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
-0.35
-0.39
-0.27
-0.19
-0.18
-0.15
-0.13
-0.13
-0.01
-0.01
-0.03
0.01
-0.03
-0.03
-0.04
-9.12
-10.08
-6.97
-4.84
-4.72
-4.04
-3.47
-3.36
-0.22
-0.34
-0.71
0.33
-0.71
-0.78
-1.17
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
-0.03
-0.06
-0.05
-0.03
-0.04
-0.04
-0.07
0.05
-0.07
-0.05
0.00
0.02
0.03
0.00
-0.04
-0.88
-1.50
-1.37
-0.86
-0.92
-0.99
-1.86
1.19
-1.83
-1.42
0.13
0.59
0.79
0.12
-1.08
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
0.10
0.04
-0.06
0.06
0.35
-0.20
-0.03
-0.11
-0.08
-0.01
-0.12
-0.01
-0.07
-0.03
-0.04
2.54
1.03
-1.44
1.45
9.25
-5.18
-0.68
-2.81
-1.98
-0.30
-3.05
-0.33
-1.81
-0.91
-0.96
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
-0.04
-0.06
-0.02
-0.06
-0.02
-0.04
-0.02
-0.01
-0.03
0.00
0.01
-0.03
0.00
0.02
-0.05
-1.04
-1.68
-0.43
-1.67
-0.62
-0.96
-0.49
-0.36
-0.86
0.02
0.15
-0.66
0.05
0.44
-1.40
61
62
63
64
65
66
67
68
69
70
71
72
0.01
0.02
-0.03
0.04
0.01
-0.07
-0.01
-0.03
0.01
0.08
0.32
-0.14
0.18
0.46
-0.77
0.92
0.25
-1.83
-0.17
-0.67
0.31
2.21
8.25
-3.71
PACF
Pengujian Model
Kombinasi
yg dpt
dibuat &
diuji
P
0.000
0.000
400
Panakuka
Nilainya
harus
lebih
kecil dari
0.05
300
200
100
0
-100
-200
50
100 150
200 250
300 350
400 450
Time
d 1
D 1
MA(1)
SMA(1)
500
550 600
650 700
Penerapan Model
Misal akan diprediksi curah hujan pada
t 650
Yt
Y
650
CH (mm)
Contoh
prakiraan
curah hujan
tahun 2005
400
300
250
200
150
100
50
0
1
10 13 16 19 22 25 28 31 34
DASARIAN
PRED2005
OBS2005
KATEGORI PEMILIHAN
MODEL TERBAIK
Melalui validasi dengan menggunakan:
korelasi