Scribd Logo
Unggah

Selamat datang di Scribd!

  • ARIMA Dengan Deteksi Outlier Dan Model Intervensi

    Diunggah oleh

    Ruly Yuniarto
    65 tayangan10 halaman
    Arima

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    DOCX, PDF atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Laporkan Dokumen Ini
    Arima

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai DOCX, PDF atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    65 tayangan10 halaman

    ARIMA Dengan Deteksi Outlier Dan Model Intervensi

    Diunggah oleh

    Ruly Yuniarto
    Arima

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai DOCX, PDF atau baca online dari Scribd
    Tandai sebagai konten tidak pantas
    dari 10
    Pemodelan Inflasi Provinsi Riau Menggunakan ARIMA Dengan Deteksi Outlier dan Model Intervensi frie Sadewo Program Pascasariana Statistica FMIPA ITS Surabaya evieL2@mbs staistha 368 Abstrak Permasalahan inflas| memiiki dampak luas dalam perekonomian nasional. Demi kepentingan erumbuhan ekonomi dan pengentasan kemiskinan tngkat inlasi haus daga agar tetap berada pada level tertentu. Berbagal Kebjakan yang dihasikan dari peramalan inflasi harus diakukan ‘dengan menggunakan model yang tepat, Salah satu model yang sering diunakan dalam peramalan tersebut adalah ARIMA, namun adanya mili ekstrim dalam series data akan menyebabkan mode! yong dicapatian menjad tidok akurat. Untuk itu dlokukan pemodelan date infias! dengan ‘menggunakan metode ARIMA dengan deteksi outlier dan model intervens. Hasl pemodelan di Provinsi Riau mendapati bahwa model terbaik ARIMIA dengan deteksi outlier dan model intervensi sama-sama dihasikan dengan hanya memasukkan variabel kenaikan harga 88M Oktober 2005 kedalam model. Dengan demikian, dapat dikatakan bahwa perstiva Kenaikan harge BEM Oktober 200 memiliki pengaruh yang sangat besa terhadap perkembangan tingkat nla! di Provins Riau ‘Berdasarkan perbandingan ktera kebaikan model tidak terdapat perbedaan berartantara metode ARIMA dengan detelsi outer dan model intervensi. Penggunaan kedua metode tersebut dalam peramalaninfas i Provinsiiau akan menghasian ramalan yang sama baikrya Kata Kunci: infill ekstrim, ARIMA, detesi outer, model intervensi 1. Pendahuluan arena adanya ekspeltasiterhadap infls juga memerkan rengsangan terhedap tumbulnya perekonomian, pemerintah melalui bank sentral Selaku pemegang egulsiberkepentingan untuk ‘tetap mempertahankan tingkat ifs) nasional pada eve tertent Permasalshan memerng peranan yang sangat pening dalam perekenomian nasonal, Garbage permasalahan rmakrockonom! seperti. —_kemisknan, pengongguran, dan pertumbuhan ekonomi infasi oi Indonesia oan sangat dipengarubi oleh tingkat flat yang terial. Apa lal jka mempertimbangkan bahwa hampir separuh dari sumber pertumbuhan ‘ekonomi Indonesia berasal dari kensumsi, balk rumah tangga, pemerintah,swasta maupun Non Government Organization. Tidak seperti negara-negaramajs_ yang ern nga inflshsangat renda, tngkat inflasi di Indonesia berfuktoasi cukup ting Sejalan dengan pertumbuhan ekonomi Hal ini tentu memberkan dampak langsung terhadap rmenurunnya day bell masyaratat. Namun Pengendalan infasi pada level tertentu, tau ikenal juga sebagai targeting inl! akan dapat diakukan dengan balk apabiia dapat Aliperolch has! peramalan yang akurat. Namun ‘eadang kala triad! permasalahan kata suatu ‘egulasi yang dkeluaraa oleh pemerintah pusat ‘mendorong terjainya lonjakan infas di daerah Seberaps dantarakeblokan yang dina ‘memberkan pengaruh signifkan terhadap perubahan tingkat inflasi ai daerah adalah ‘eaikan arga 86M serta tarifDasar List. abel 1 Porubahan Harga Bahan Bakar Minyak Periode 2000-2011 (Persen) ary ee Bam sme mm aT eT ‘umber Kementeran &S0M Kenaltan harga 88M sebecar 64,07 persen ‘ada bulan Oktober tahun 2005 misalnya, telah terbukti meninglatkan inflas ai Provias! Riau hingga mencapai 8,73 persen. Adenya cial lekstrim dalam suatu data deret waktutersebut tentu saja menjadikan berbagai upaya untuk memodeian tinghat inlasi menjadi tergangau, sehingga menyebabkan ramalan yang dinasikan menjadi tidak tepat. CGambar 1, Plot Time Series lflas Provins Riau Januar! 2000-Maret 2013, Pemodelan pengaruh kebijakan harga BBM terhadap tingkat inflas! sebelumnya pernah dakutan oleh Kimiantini Dan Wuteqa (2005) ‘Dengan menggunakan model intervensi step Junction aidapati bahwa peristiwa penurunan area BBM Jenis premium pada bulan Desember 2008 memberkan pengaruh yang. signifkan terhadap penurunan angka inflsi di kota Yosvatarta sebesar 0.35%, dengan pola respons data setelah adanya intervensi adalah abrupt permanent. Pengaunaan model intervensi pada data {nflas sebelumnya jugs pemah diakukan oleh Setyaningsh (2008) pada beberapa kota di Pulau Jawa dan Syihabudin (2032) di Kota Malang "Namun pada beberapa kasus diana penyebab Inflas tidak diketahui seperti pada data curah fujan di Kota Surabaya (Mauludiyanto, etal, 2008), dan jumlah penumpang pesawat terbang (Wiyani, 2013] maka metode yang tepat untuk igunakan adalah ARIMA dengan dete outlier. {Kevka nilatelatrim tereebut berhasil digetoks) ddan lidentflas! penyebabnya, make dapat buat model intervensi, berdasarkan detehs ‘outlier (Buda, Tarno dan Worst, 2013). Di tingkat daerah, kebiakan mengenatinfasi rmerupakan tanggung.jawab bersama antara perwaklan bank sentvalserta_pemerintah ddaorah. Melalui Tim Pengendaian Infasi Daerah (PID) setia tahunnya diakukan evaluasi sera ppenyusunan rencana dalam rangka antispast cdampak inflasiterhadap kinela pembangunan, ‘Mengingatbetapa pentingnya pengetahuan mengenai model tngkat—inflasi bag perencanaan kebljakan pembangunan kedepan, ‘maka dalam peneltian ini akan diakukon ppemodelan dengan beberapa-metode, clantaranya ARIMA dengan detels cuter dan ‘model intervens. 2. vata Data yang, digunakan dalam peneltian ini adalah Inflasbulanan Provins Ria yang iva ‘leh gabungan dari data Kota Pekanbaru dan Kota Dumai yang dipublikaskan setiap Bulen leh 895, Sebelum tahun 2007, data inflas! Provinsi Rau hanya diwakil oleh Kota Pekanbaru, Namun setelah tahun 2007, teria ‘penambshan Kota Duma menjal same! fas Provini Riau sehingga ciperiukan_interpoas! ata untuk menghasikan inl tngkat provns ‘menggunakan pesimbang (W) Kota Tahun 2007 vang imi oleh 8S 1H Riau = 4 Keu* Won) asa Wh [Won Woina Irflasng = Kass Ks % 100 kai) Dalam peneltian ini igunakan data inl! Provinsi ia period Jair 2000 sampai Maret 2013 sebanyak 159 pengamatan. Selanjutnya series data tersebut dba menial ua bagian, valtu sebanyak 148 pengamatan untuk data Jnsomple dan 15 pengamatan untuk data cutsample 3. Metodolog 23.4. Model ARIMA Pendekatan ARIMA clpertenatkan oleh 0x dan Jenkins. Sebuah model ARIMA tern ac autoregressive (AR), mavinge averge (MA), atau gabungan dari kedvany. Ketika terdapat roses yang tidak stasioner, maka diskukan diferencia seinggacidapatkan model utoregresive integrates moving overage dengan ord pa vane dlambangkan dengan model ARIMA (a, da) sebagai berkut (Wel, 2006) 9,(B\(I-BY Z,=0,+0,(B)a, diana 4,(B) adaah operator autoregressive 8,(0)=(1-88 6,8") $,(B)(1-BY asih operator generatized eoregresive 0, (B) aslan operator moving average 0,(8)=(1-9.8 0,8") (1-B)' adaton egerencing non musinan dengan orde 3 44, merupakan residual white noise dengan mean 0 daa varians Pendetatan iteratf_ untuk membentuk ‘model time series yang dkemukakan oleh Box. Jenkins, meri thap sebagai bert |) Identfikas model tentatit 1) Estimasi parameter Wi) Diagnose model sementara Iu) Pemiinan Model terbaik Penjelassnlebihlanjut mengenai metode ARIMA dapat hat pada Wel (2006). 22, Deteks! Outer ‘Outer adalah data pengamatan yang tak konsisten pada seriesnya. Ada empat macam jenis outlier yaity Inovational Outer (10), ‘Additive Outer (AO), Temporary Change (TC). ddan Level Shift (tS) Fox (1872) dalam Wei (2006) memperkenaltan outlier tipe 4 atau adaive ‘outliers (AO) dan tipe 2 atau innovation outers (10), i Additive outer adalah kejadan yang hanya rmempunyai efek pada satu perode sain. Bentuk umum Addltve Outer (AO) dalam proses ARIMA adalah YaZ,+0,H" imana 2 stunes pulse «9.x besarya devia dar nia Z, {i tnnovationa! outer (10) merupakankeadian dengan efek yang cidesarkan pada proses dari model ARIMA dan mempengaruhisemun nial pengamatan telah Keladian tersebut rmuneul. Menurut (Gu, 2006) model untuk data series pengaratan dengan 10 dtuliskan melalui persamaanbeckut 17, +50) oa) oR atau 3.3, Model Intervenst Jka waleu dan penyebab dketahu,efek Isjadian pada detetsi outer dapat clbitung dengan menggunakan model intervens!. Model intervensi pada awaloya_ banyak cigunakan tuntuk mengeksplorasi dompak dari kejadian kojaian ekstrnal yang lua dugaan terhadap variabel yang menjadi obyek pengamatan, Jka ianggap terdapat pengaruh beberapa kejadian Interven , ada suatu data deret waktu, maka ‘model unum intervens dapat eitulskan sebagai na sUyen, imana 1, =variabal respon pada sat, | variabelintervens| = model noise yang mengkuti ARIMA (aa) 40) open By 6)(B) = 0B 628? ~..- 8) BP), 0,(8) = 0-8 -028? ~.~8, 51) B merupakan boctshift operator, mana wate Secara umum terdapat dua macam model fungsi imervens, yaitu fangs! step. step {Junction} dan fangs! pulse (pulse function). Step function adalah suatu bentuk interensi yang terjadi dalam jangka waktu yang, parjang, sedangkon pulse function adalah suatu bentuk Interven yang hanya trad dalam suatu wakeu ‘ertent Bentuk Intervens! step function dinotaihan sebagai berikut fe fs ter Ler Sementara bantuk intervensi pulse function Ginotasikan sebagai berikut 0. Le 1 imana Tadalah wakt teradiya ntervens. Secara_umum made! pengaruh intervensi terhadap Y, dapat dtulskan sebagal ter ter 11) 2B os, 3a) iano (8) = (oy — 8-098? 0.8) 8.4B)= 1 ~B 828? 8,8") Untuk penjelasan selengkapnya _mengenai ‘masel feng! interven dapat aha dala Wei (2008) 44. Analisis dan Pembahasan, Sebagai langkah awal dalam pemodelan berbasis data time series, dlakukan metoge Box Jenkins dengan menggunakan set dat isomple ‘untuk mendapatkan model ARIMA Berdasarkan ‘Gambar 1 kemudian didapatian plot ACF dan PACE sebagai berkut CGambar 2. Plat ACF dan PACF Data Ineample InlasProvins Rin Dari Gambar 2 tertnat bah balk plot ACF ddan PACE samasama cutoff diag pertam Hal ini menginikaskan bahwa model ARIMA yang paling memungknkan adalah AR), AQ), atau |ARWA (1. Hasil pengolanan dengan rmenggunakan software SAS menghasilan perbandingan model seuagatberkut Tabel 2. Perbandingan Medel ARIMA Data Insarmpe las Provisi lau

    Anda mungkin juga menyukai