Anda di halaman 1dari 31

23:49:27

STK352
Analisis Deret Waktu
MODEL ARIMA MUSIMAN
Pertemuan 12

Farid Mochamad Afendi


Departemen Statistika IPB
27 Mei 2008

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 1 / 31

23:49:27

MATERI PEMBAHASAN
MATERI
PEMBAHASAN

PENGANTAR

PENGANTAR

MODEL ARMA MUSIMAN

MODEL ARMA
MUSIMAN

ILUSTRASI

ILUSTRASI

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 2 / 31

23:49:27

MATERI
PEMBAHASAN
PENGANTAR
Pengantar
MODEL ARMA
MUSIMAN
ILUSTRASI

PENGANTAR

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 3 / 31

23:49:27

Pengantar
MATERI
PEMBAHASAN

PENGANTAR
Pengantar

MODEL ARMA
MUSIMAN
ILUSTRASI

c Farid Mochamad Afendi 2008


Model ARIMA juga dapat digunakan untuk fitting data yang


berpola musiman.
Langkah awal adalah penentuan s atau panjang periode
musiman.
Proses identifikasi model ARIMA musiman analog dengan
model ARIMA non musiman.

Powered by Powerdot of LATEX 4 / 31

23:49:27

MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
Model MA(1) Musiman
Model MA(Q)
Musiman
Model AR(1) Musiman
Model AR(P )
Musiman
ILUSTRASI

c Farid Mochamad Afendi 2008


MODEL ARMA MUSIMAN

Powered by Powerdot of LATEX 5 / 31

23:49:27

Model MA(1) Musiman


MATERI
PEMBAHASAN

PENGANTAR

Bila periode musiman s = 12 maka model musiman MA(1)


Zt = at Zt12

MODEL ARMA
MUSIMAN
Model MA(1) Musiman
Model MA(Q)
Musiman
Model AR(1) Musiman

Model AR(P )
Musiman

Mudah ditunjukkan bahwa series tersebut memiliki autokorelasi


tidak nol hanya untuk lag 12 saja.

ILUSTRASI

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 6 / 31

23:49:27

Model MA(Q) Musiman


MATERI
PEMBAHASAN

PENGANTAR

Secara umum, model musiman MA(Q) adalah


Zt = at 1 Zts 2 Zt2s . . . Q ZtQs

MODEL ARMA
MUSIMAN
Model MA(1) Musiman

dengan persamaan polinomial ciri MA musimannya

Model MA(Q)
Musiman
Model AR(1) Musiman

(x) = 1 1 xs 2 x2s . . . Q xQs

Model AR(P )
Musiman
ILUSTRASI

c Farid Mochamad Afendi 2008


Model ini invertible bila nilai mutlak dari akar (x) = 0


semuanya lebih dari 1.

Powered by Powerdot of LATEX 7 / 31

23:49:27

Model MA(Q) Musiman (lanjutan)


MATERI
PEMBAHASAN

PENGANTAR

Seperti model MA(q) non musiman, MA(Q) musiman memiliki


autokorelasi yang tidak nol untuk lag s, 2s, . . . , Qs.

MODEL ARMA
MUSIMAN
Model MA(1) Musiman
Model MA(Q)
Musiman
Model AR(1) Musiman
Model AR(P )
Musiman
ILUSTRASI

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 8 / 31

23:49:27

Model AR(1) Musiman


MATERI
PEMBAHASAN

PENGANTAR

Untuk model AR(1) musiman masih dengan s = 12


Zt = Zt12 + at

MODEL ARMA
MUSIMAN
Model MA(1) Musiman
Model MA(Q)
Musiman
Model AR(1) Musiman
Model AR(P )
Musiman
ILUSTRASI

c Farid Mochamad Afendi 2008


Dapat ditunjukkan bahwa 12k = k untuk k = 1, 2, . . . dengan


autokorelasi lag lain bernilai 0.
Dengan kata lain, autokorelasi kelipatan periode musiman
adalah tail off sementara autokorelasi lag lain bernilai nol.

Powered by Powerdot of LATEX 9 / 31

23:49:27

Model AR(P ) Musiman


MATERI
PEMBAHASAN

PENGANTAR

Secara umum, model AR(P ) musiman adalah


Zt = 1 Zts + 2 Zt2s + . . . + P ZtP s + at

MODEL ARMA
MUSIMAN
Model MA(1) Musiman

dengan persamaan polinomial ciri AR musimannya

Model MA(Q)
Musiman
Model AR(1) Musiman

(x) = 1 1 xs 2 x2s . . . P xP s

Model AR(P )
Musiman
ILUSTRASI

c Farid Mochamad Afendi 2008


Model ini stasioner bila nilai mutlak dari akar (x) = 0


semuanya lebih dari 1.

Powered by Powerdot of LATEX 10 / 31

23:49:27

Model AR(P ) Musiman (lanjutan)


MATERI
PEMBAHASAN

Model AR(P ) musiman memiliki

PENGANTAR

MODEL ARMA
MUSIMAN
Model MA(1) Musiman
Model MA(Q)
Musiman

autokorelasi kelipatan periode musiman tail off sementara


autokorelasi lag lain bernilai nol.
autokorelasi parsial cut off setelah lag P kelipatan periode
musiman, sementara lag lain bernilai nol.

Model AR(1) Musiman


Model AR(P )
Musiman
ILUSTRASI

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 11 / 31

23:49:27

MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam

ILUSTRASI

ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 12 / 31

23:49:27

U.S. Air Passenger Data


MATERI
PEMBAHASAN

PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data

Plot Data Asal


Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa

Sebagai ilustrasi, disajikan analisis data U.S. Air Passenger


Data yang berupa data bulanan dari Januari 1960 hingga
Desember 1977 (Cryer, 1986 p.270).
Data tahun terakhir digunakan untuk validasi
2.42
2.35
2.62
2.75
3.24
3.75
4.40
5.30
6.20
7.00
10.45
10.53
11.74
12.50
12.99
12.64
13.94
15.09

2.14
1.82
2.34
2.45
2.95
3.25
4.00
4.60
5.70
6.00
8.81
9.06
10.27
11.05
11.69
11.01
12.75
12.94

2.28
2.40
2.68
2.85
3.32
3.70
4.70
5.90
6.40
7.10
10.61
10.17
12.05
12.94
13.78
13.30
14.19
15.46

2.50
2.46
2.75
2.99
3.29
3.98
5.10
5.50
6.70
7.40
9.97
11.17
12.27
13.24
13.70
12.19
14.67
15.39

2.44
2.38
2.66
2.89
3.32
3.88
4.90
5.40
6.30
7.20
10.69
10.84
12.03
13.16
13.57
12.91
14.66
15.34

2.72
2.83
2.96
3.43
3.91
4.47
5.70
6.70
7.80
8.40
12.40
12.09
13.95
14.95
15.12
14.90
16.21
17.02

2.71
2.68
2.66
3.25
3.80
4.60
3.90
6.80
7.60
8.50
13.38
13.66
15.10
16.00
15.55
16.10
17.72
18.85

2.74
2.81
2.93
3.59
4.02
4.90
4.20
7.40
8.60
9.40
14.31
14.06
15.65
16.98
16.73
17.30
18.15
19.49

2.55
2.54
2.70
3.12
3.53
4.20
5.10
6.00
6.60
7.10
10.90
11.14
12.47
13.15
12.68
12.90
14.19
15.61

2.49
2.54
2.65
3.16
3.61
4.20
5.00
5.80
6.50
7.00
9.98
11.10
12.29
12.88
12.65
13.36
14.33
16.16

2.13
2.37
2.46
2.86
3.22
3.80
4.70
5.50
6.00
6.60
9.20
10.00
11.52
11.99
11.18
12.26
12.99
14.84

2.28
2.54
2.59
3.22
3.67
4.50
5.50
6.40
7.60
8.00
10.94
11.98
13.08
13.13
13.27
13.93
15.19
17.04

Validasi

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 13 / 31

#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#

1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977

23:49:27

Plot Data Asal


MATERI
PEMBAHASAN
PENGANTAR

Plot data asal memperlihatkan pola musiman dengan s = 12 serta


adanya perilaku nonstasioner baik dalam rataan maupun ragam.

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 1: Time Series Plot Data Asal


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 14 / 31

23:49:27

Plot Transformasi Ln
MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN

Transformasi logaritma berhasil mengatasi ketidakstasioneran


dalam ragam meskipun ketidakstasioneran dalam rataan masih
nampak.

ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 2: Time Series Plot Data Transformasi Logaritma


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 15 / 31

23:49:27

Pemeriksan Kehomogenan Ragam


MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam

Gambar 3: Plot Range-Mean data asal

ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 4: Plot Range-Mean data transformasi ln


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 16 / 31

23:49:27

Pemeriksan Kehomogenan Ragam (lanjutan)


MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam

Gambar 5: Uji kehomogenan ragam data asal

ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 6: Uji kehomogenan ragam data transformasi ln


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 17 / 31

23:49:27

ACF Data Transformasi Ln


MATERI
PEMBAHASAN
PENGANTAR

Plot ACF data setelah transformasi logaritma menunjukkan pola


nonstasioner. Perhatikan juga pola ACF untuk lag s, 2s, . . ..

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 7: Plot ACF Data Transformasi Logaritma


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 18 / 31

23:49:27

ACF Musiman Data Transformasi Ln


MATERI
PEMBAHASAN
PENGANTAR

Plot ACF data setelah transformasi logaritma untuk lag 12, 24, 36,
48 menunjukkan pola nonstasioner.

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 8: Plot ACF Musiman Data Transformasi Logaritma

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 19 / 31

23:49:27

Plot Data Nonseasonal Differencing d = 1


MATERI
PEMBAHASAN
PENGANTAR

Nonseasonal differencing d = 1 berhasil mengatasi


ketidakstasioneran dalam rataan untuk komponen nonseasonalnya.

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 9: Plot data setelah nonseasonal differencing d = 1


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 20 / 31

Plot ACF Data Nonseasonal Differencing


d=1
MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN

23:49:27

Plot ACF data nonseasonal differencing d = 1 mengkonfirmasi


kestasioneran komponen non musiman (namun perhatikan lag 12,
24, dst).

ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

(a)
Plot ACF

(b)
Plot ACF Musiman

Gambar 10: Plot ACF Data Nonseasonal Differencing d = 1

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 21 / 31

23:49:27

Plot Data Seasonal Differencing D = 12


MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 11: Plot data setelah seasonal differencing D = 12

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 22 / 31

23:49:27

Plot ACF Data Seasonal Differencing D = 12


MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN

Nonseasonal differencing D = 12 berhasil mengatasi


ketidakstasioneran dalam rataan untuk komponen seasonalnya
(namun tidak untuk komponen non musimannya).

ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

(a)
Plot ACF

(b)
Plot ACF Musiman

Gambar 12: Plot ACF data seasonal differencing D = 12

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 23 / 31

23:49:27

Plot Data Differencing d = 1, D = 12


MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 13: Plot data setelah differencing d = 1, D = 12

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 24 / 31

Plot ACF-PACF Data Differencing


d = 1, D = 12
MATERI
PEMBAHASAN
PENGANTAR

23:49:27

Kedua komponen telah stasioner. Identifikasi komponen non


musiman adalah ARIMA(0,1,2).

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting

(a)
Plot ACF

(b)
Plot PACF

Diagnosa
Validasi

c Farid Mochamad Afendi 2008


Gambar 14: Identifikasi ARIMA komponen non musiman

Powered by Powerdot of LATEX 25 / 31

Plot ACF-PACF Musiman Data Differencing23:49:27


d = 1, D = 12
MATERI
PEMBAHASAN
PENGANTAR

Identifikasi komponen musiman adalah ARIMA(0,1,1)12, sehingga


model tentatif adalah ARIMA(0,1,2)(0,1,1)12.

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting

(a)
Plot ACF Musiman

(b)
Plot PACF Musiman

Diagnosa
Validasi

c Farid Mochamad Afendi 2008


Gambar 15: Identifikasi ARIMA komponen musiman

Powered by Powerdot of LATEX 26 / 31

23:49:27

Fitting ARIMA(0,1,2)(0,1,1)12
MATERI
PEMBAHASAN

Pengepasan model (Fitting) ARIMA(0,1,2)(0,1,1)12

PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 16: Fitting ARIMA(0,1,2)(0,1,1)12

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 27 / 31

23:49:27

Plot ACF-PACF Residual


MATERI
PEMBAHASAN
PENGANTAR

Identifikasi komponen musiman adalah ARIMA(0,1,1)12, sehingga


model tentatif adalah ARIMA(0,1,2)(0,1,1)12.

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting

(a)
Plot ACF Residual

(b)
Plot PACF Residual

Diagnosa
Validasi

c Farid Mochamad Afendi 2008


Gambar 17: Plot ACF-PACF residual

Powered by Powerdot of LATEX 28 / 31

23:49:27

Diagnosa Model
MATERI
PEMBAHASAN

Diagnosa model dari plot residual

PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 18: Diagnosa model dari plot residual

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 29 / 31

23:49:27

Validasi Model
MATERI
PEMBAHASAN
PENGANTAR

Validasi Model menggunakan data Tahun 1977: (MAD=0.344 dan


MAPE=2.14%)

MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln
diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

Gambar 19: Validasi Model dari data Tahun 1997


c Farid Mochamad Afendi 2008

Powered by Powerdot of LATEX 30 / 31

23:49:27

MATERI
PEMBAHASAN
PENGANTAR
MODEL ARMA
MUSIMAN
ILUSTRASI
U.S. Air Passenger
Data
Plot Data Asal
Plot Transformasi Ln
Pemeriksan
Kehomogenan Ragam
ACF Data
Transformasi Ln
ACF Musiman Data
Transformasi Ln

TERIMA KASIH

diff 1
Diff 12
diff 1-Diff 12
Fitting
Diagnosa
Validasi

c Farid Mochamad Afendi 2008


Powered by Powerdot of LATEX 31 / 31