Analisis Deret Waktu Statdas 27.11.12 PDF
Analisis Deret Waktu Statdas 27.11.12 PDF
Pengenalan
l
Ilustrasi
Berikut adalah data rata-rata curah hujan
bulanan yang diamati dari Stasiun Padaherang
pada tahun 2001 2004.
Sumber : Modul 3 Praktikum Mekanika Medium Kontinu Medan Gravitasi
Tahun Jan
Feb
Mar
Apr
Mei
Jun
Jul
Agust Sep
Okt
Nop
Des
32.4
2003 425.21 370.8 300.23 157.43 184.96 69.93 23.28 14.39 17.86 275.23 433.23 456.02
2004 547.8 308.2
388
93
297
128
47
87
Apabila
A bil nilai
il i curah
hh
hujan
j saatt ini
i i di
dianggap
105
389
371.6
3
@ UM
Plot Data
berdasarkan waktu
500
5
400
300
200
100
0
10
15
20
25
30
35
40
45
P
Proses
Stokastik
St k tik
Proses stokastik adalah barisan peubah acak {Yt , t T }
Setiap proses stokastik memuat ruang keadaan S dan
indeks parameterT
S : semua nilai yang mungkin dari Yt
S danT
d T dapat
d
t bernilai
b
il i diskrit
di k it atau
t kontinu
k ti
Contoh proses stokastik:
g
a. Cuaca harian kota Bandung
b. Banyaknya trombosit/hari pasien demam berdarah
sejak ia terinfeksi
c. Laju pertumbuhan populasi orang utan (% per tahun)
d Waktu antara mekarnya bunga bangkai yang ke-n
d.
ke n
dengan bunga bangkai yang ke n+1
Misal yt nilai dari Yt maka barisan nilai {yt , t T } disebut
realisasi dari {Yt , t T }
Ti
Time
Series
S i
C t h Time
Contoh
Ti
Series
S i
Produksi Tembakau di AS
1500
10
000
Miliar pounds
M
6
5
500
4
3
0
20
40
60
80
100
120
1880
1900
1920
Kuartal
1940
1960
1980
Tahun
110
112
114
116
118
20
0000 40000 6000
00 80000
Persen
2000
Tingkat Pengangguran di AS
1850
1860
1870
1880
Tahun
1890
1900
100
200
300
Menit
400
500
rk t k 1
t k
2
(
)
Y
Y
t
t 1
10
kk = 0 (secara
(
signifikan)
i ifik ) jika
jik 1,96
1 96
kk 1,96
1 96
11
C t h ACF d
Contoh
dan PACF d
dengan
g SPSS
number of blowfly
8000
Coefficient
1.0
0.5
6000
ACF
numb
ber of blowfly
Lower Confidence
Limit
0.0
4000
-0.5
-1.0
2000
10
11
12
13
14
15
16
Lag Number
number of blowfly
1 3 5 7 9 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 7 7 7 7 7 8
1 3 5 7 9 1 3 5 7 9 1 3 5 7 9 1 3 5 7 9 1 3 5 7 9 1 3 5 7 9 1 3 5 7 9 1
Sequence number
Coefficient
1.0
0.5
Partial ACF
0.0
-0.5
-1.0
1
10
Lag Number
11
12
13
14
15
16
12
Model-model
Model
model Time Series
Untuk TS Stasioner
13
14
15
16
Id tifik i
Identifikasi
Model
ACF
PACF
AR(p)
Menurun secara
Cut off setelah lag p
eksponensial atau
membentuk gelombang sinus
teredam
MA(q)
Menurun secara
eksponensial atau
membentuk gelombang sinus
teredam
+ 2m ,
m = # parameter
Hitung nilai AIC untuk setiap (p,q). Orde yang dipilih adalah
(p,q) dengan nilai AIC yang paling kecil
17
P
Penaksiran
k i
P
Parameter
t
Metode: - Kuadrat terkecil (untuk model AR)
- Maksimum
M k i
lik lih d
likelihood
- Melard (digunakan SPSS)
C
Contoh
h penaksiran
k i
parameter melalui
l l i SPSS
Dari menu, pilih Analyze Forecasting Create Models ...
Pilih nama TS sebagai Dependent variable
Masukkan orde model ARIMA
18
Uji Diagnosis
Di g i
Ingat asumsi galat: et ~ N (0,2) dan tidak berkorelasi
Pengujian asumsi:
Cara 1:
Plot sisaan
berfluktuasi di sekitar 0 E[et ] = 0
2
nilai sisaan di sekitar 1,96 Var(et) = 2
plot ACF serta plot PACF-nya
rk dan kk signifikan
g
0 sisaan tidak berkorelasi
Cara 2: Uji Ljung-Box
Uji H0: korelasi antar sisaan = 0 dengan statistik Ljung-Box
2
r
Q* n(n 2) k
k 1 n k
h
19
Contoh
Hasil produksi bulanan perkebunan teh di lokasi
PAL tahun 1992-2009
1992 2009 (T = 216)
300000
250000
150000
200000
100000
produksi te
eh
produ
uksi teh
150000
100000
50000
0
50000
0
0
50
100
-50000
0
50
100
bulan ke-
150
200
-100000
bulan ke-
150
200
20
Contoh
Sari Numerik Data
DataperkebunantehPAL
Mean
StandardError
Median
Mode
StandardDeviation
p
SampleVariance
Kurtosis
Skewness
Range
Mi i
Minimum
Maximum
Sum
Count
133793.6
2488.531
136781
#N/A
36573.79
1.34E+09
0.222436
0.07241
218458
36305
254763
28899412
216
455.7023
2407.674
1515
15033
35303.43
1.25E+09
1.25E
09
1.855309
0.701741
216395
81536
81536
134859
97976
215
21
Contoh
Identifikasi
ACF menurun
seperti gelombang
sinus teredam
sedangkan PACF cut
off setelah lag-1.
Model yang
mungkin adalah
AR(1)
Contoh
AR (1)
ARIMA (11,1,1)
2
2 Diperoleh ARIMA(1,1,1) :
23
Contoh
Kesimpulan
Yt 1 19,
19 205 11, 434Yt 00, 434Yt 1 00,934
934et 1
Referensi
Box, G.
B
G E.
E P.
P dan
d Jenkins,
J ki
G
G. M
M. (1976):
(
) Time
Ti
S
Series
i
Analysis: Forecasting & Control, Holden-Day Inc.,
San Fransisco
Cryer, J. D. dan Chan, K. S. (2008): Time Series
Analysis with Applications in R, Springer, New York.
24