model untuk runtun waktu adalah dapat meramal nilai-nilai untuk runtun waktu yang akan datang.
Kita juga akan menilai ketepatan dari peramalan. Dalam bab ini kita akan memperhatikan
perhitungan dan sifat-sifatnya untuk model trend deterministik dan untuk model ARIMA.
bahwa model diketahui secara eksak termasuk nilai khusus untuk semua parameter.
Meskipun hal ini tidak pernah benar secara
praktis untuk sampel besar penggunaan parameter tidak berakibat secara serius pada peramalan.
TREND DETERMINISTIK
PERAMALAN ARIMA
Untuk model ARIMA, peramalan dapat
pengertian kita dari prosedur peramalan keseluruhan dalam kaitan dengan penghitungan, updating, penilaian ketepatan atau tingkah laku peramalan jangka panjang.
Trend Deterministik
trend kosinus, kita telah memprediksi rata-rata bulan Januari 19,6o F dan rata-rata bulan Juni sebagai 68,3o F, masing-masing deviasi standard dari kesalahan peramalan 3,7o F. Jadi batas 95 % prediksi untuk Januari dan Juni masing-masing adalah 19,6 1,96 (3,7) = 19,6 7,25 = 12,35 o sampai 26,85 o F
68,3 1,96 (3,7) = 68,3 7,25 = 61,05
o
sampai
75,55 o F
Exhibit 9.2 menunjukkan plot dari peramalan dan
tersedia pada basis bulanan. Pengamatan terakhir kita adalah Pebruari dan kita ingin menilai untuk Maret, April dan Mei. Sejalan bertambahnya waktu, nilai aktual untuk Maret diketahui. Dengan menggunakan data baru ini, kita ingin memperbaharui atau merevisi atau meningkatkan peramalan kita untuk bulan April dan Mei. Tentu saja kita dapat menghitung peramalan kita dari awal, tetapi ada cara yang lebih sederhana.
TERIMA KASIH