MELAKUKAN PERAMALAN TERHADAP MODEL YANG BERAUTOKORELASI

Melakukan peramalan atau estimasi persamaan dapat dilakukan setelah

sebelumnya digunakan metode-metode untuk mendapatkan koefisien
autokorelasi beserta koefisien regresinya. Misalnya terdapat persamaan atau
model seperti berikut:
Yt = 0 + 1Xt + t
Dan dengan menjabarkan komponen error:
t = t-1 + ut
Lalu komponen error tersebut disubtitusi ke persamaan awal, maka diperoleh :
Yt = 0 + 1Xt + t-1 + ut
Untuk periode n+1, maka persamaan yang akan kita gunakan adalah:
Yn+1 = 0 + 1Xn+1 + n + un+1
Sehingga, Yn+1 terdiri dari :
1. Nilai harapan dari 0 + 1Xn+1
2. Perkalian koefisien autokorelasi () dengan suku error sebelumnya ( n)
3. Nilai harapan dari suku pengganggu (disturbance), karena suku
disturbance ini bersifat independen/saling bebas, maka nilai harapannya
adalah nol.
Lalu, hasil estimasi dari Yn+1+ yang disimbolkan dengan Fn+1, diperoleh dengan
mencari hasil dari ketiga komponen di atas.
1. Dengan Xn+1 telah diketahui, kita dapat mengestimasi nilai harapan dari 0
+ 1Xn+1 dengan menggunakan fungsi regresi:

Y^

n+1

= b0 + b1Xn+1

Dimana b0 dan b1 adalah estimasi dari koefisien regresi untuk variabel asal yang
dicari dengan menggunakan b0 dan b1 untuk variabel yang telah ditransformasi.
2. diestimasi dengan menggunakan
menggunakan residual en :

r,

dan

en = Yn (b0 + b1Xn) = Yn -

Y^

diestimasi

dengan

Lalu, n diestimasi dengan menggunakan re n

3. Seperti yang telah dipaparkan sebelumnya, nilai harapan dari u n+1 = 0
Dengan menjumlahkan ketiga komponen tersebut, maka diperoleh:
Fn+1 = E{ 0 + 1Xn+1} + n + E{un+1} =

Y^

n+1

+ ren + 0 =

Y^

n+1

+ ren

Untuk membuat selang kepercayaan dari Yn+t {new}, dapat digunakan metode
yang telah dipelajari dalam membuat selang kepercayaan, namun kali ini
didasarkan pada data yang telah ditransformasi.
Fn+1 t(1 /2;n 3) s{ Yn+t {new}}
Dimana s{ Yn+t {new}} didasarkan pada data yang telah ditransformasi.
Perhatikan bahwa derajat bebas dari t adalah n-3. Hal ini disebabkan karena

hanya terdapat n-1 data yang ditransformasi. Dua derajat bebas lainnya
hilang karena dalam hal ini kita melakukan estimasi untuk dua parameter
dalam regresi linear sederhana.
Catatan berikutnya adalah, apabila peramalam atau estimasi yang dilakukan
berdasarkan pada metode first difference order, bentuk peramalan yang telah
dijabarkan masih bisa digunakan. Namun besarnya r yang digunakan adalah
1.