TUGAS AKHIR SEMESTER

ANALISIS DERET WAKTU

“ANALISIS TIME SERIES DENGAN METODE BOX JENKINS”

DOSEN PENGAMPU :
AZZIKRA FEBRIYANTI, S.Si., M.Si.

OLEH :
NAMA : MEYLINDA SUCI PERMATA SARI
NIM : F1C216008

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS JAMBI
2018
 “ANALISIS TIME SERIES DENGAN METODE BOX JENKINS”
1. Data awal yang diambil dari Jumlah Penduduk Miskin Desa
Garis Kemiskinan
Jumlah Penduduk Miskin (Juta Orang) Persentase Penduduk Miskin
Tahun (Rp/Kapita/Bulan)
Kota Desa Kota+Desa Kota Desa Kota+Desa Kota Desa
1970 n.a n.a 70,00 n.a n.a 60,00 n.a n.a
1976 10,00 44,20 54,20 38,80 40,40 40,10 4 522 2 849
1978 8,30 38,90 47,20 30,80 33,40 33,30 4 969 2 981
1980 9,50 32,80 42,30 29,00 28,40 28,60 6 831 4 449
1981 9,30 31,30 40,60 28,10 26,50 26,90 9 777 5 877
1984 9,30 25,70 35,00 23,10 21,20 21,60 13 731 7 746
1987 9,70 20,30 30,00 20,10 16,10 17,40 17 381 10 294
1990 9,40 17,80 27,20 16,80 14,30 15,10 20 614 13 295
1993 8,70 17,20 25,90 13,40 13,80 13,70 27 905 18 244
1996 7,20 15,30 22,50 9,70 12,30 11,30 38 246 27 413
1996 9,42 24,59 34,01 13,39 19,78 17,47 42 032 31 366
1998 17,60 31,90 49,50 21,92 25,72 24,20 96 959 72 780
1999 15,64 32,33 47,97 19,41 26,03 23,43 92 409 74 272
2000 12,31 26,43 38,74 14,60 22,38 19,14 91 632 73 648
2001 8,60 29,27 37,87 9,79 24,84 18,41 100 011 80 382
2002 13,32 25,08 38,39 14,46 21,10 18,20 130 499 96 512
2003 12,26 25,08 37,34 13,57 20,23 17,42 138 803 105 888
2004 11,37 24,78 36,15 12,13 20,11 16,66 143 455 108 725
2005 12,40 22,70 35,10 11,68 19,98 15,97 165 565 117 365
2006 14,49 24,81 39,30 13,47 21,81 17,75 174 290 130 584
2007 13,56 23,61 37,17 12,52 20,37 16,58 187 942 146 837
2008 12,77 22,19 34,96 11,65 18,93 15,42 204 896 161 831
2009 11,91 20,62 32,53 10,72 17,35 14,15 222 123 179 835
2010 11,10 19,93 31,02 9,87 16,56 13,33 232 989 192 354
2011 11,05 18,97 30,02 9,23 15,72 12,49 253 016 213 395
2012 10,95 18,94 29,89 9,09 15,59 12,36 263 594 223 181
2013 10,65 18,49 29,13 8,78 15,12 11,96 267 408 229 226
2014 10,51 18,09 28,59 8,60 14,70 11,66 277 382 240 441
2015 10,33 17,74 28,07 8,39 14,32 11,37 289 042 253 273
2016 10,63 17,92 28,55 8,52 14,42 11,47 308 826 275 779
2017 10,51 17,77 28,28 8,34 14,17 11,25 318 514 286 097
 Berikut hasil entri data Kedalam MINITAB

 Dari visual grafik, ternyata data tidak stasioner, dan perlu dilakukan transformasi terlebih
dahulu.
 2. Cek Data Stasioner
Kemudian dengan transformasi boxcox (box cox plot for Desa) dibawah ini dapat diketahui nilai
lamda = -1,00. Lebih kecil dari satu sehingga data perlu dilakukan transformasi. Berikut adalah
box cox plot of Desa

 Berikut ini adalah hasil transformati dari data awal

 Time Series Plot of Transformasi

Karena data Transformasi belum stasioner, maka diperlukan differencing

 Hasil data Differencing

 Times series Plot of Differencing

Pada grafik time series diatas sudah Stasioner terhadap rataan.

3. Identifikasi orde AR dan Ma

Dilakukan identifikasi orde AR dan MA dengan melihat Plot ACF dan PACF.

ACF PACF
Dari gambar diatas :
Diketahui bahwa plot ACF menurun secara eksponensial. Pada PACF terdapat 1 ordo atau 1 lag yang
signifikan sehingga ordo AR(1). Dan pada plot PACF terlihat menurun secara eksponensial, dan pada plot
ACF terdapat 1 ordo atau 1 lag yang signifikan MA(1).
Jadi didapat model awal ARIMA (p,d,q) yaitu ARIMA(1,1,1)

4. Overfitting
1) ARIMA (1,1,1)
2) ARIMA (0,1,1)
3) ARIMA (1,1,0)

ARIMA(1,1,1) – tidak signifikan

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0,3809 0,5690 0,67 0,509
MA 1 0,0706 0,6133 0,12 0,909
Constant -0,6046 0,5847 -1,03 0,311

Differencing: 1 regular difference

Number of observations: Original series 30, after differencing 29
Residuals: SS = 298,248 (backforecasts excluded)
MS = 11,471 DF = 26
Tanpa konstan
Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0,4933 0,4449 1,11 0,277
MA 1 0,1464 0,5058 0,29 0,774

Differencing: 1 regular difference

Number of observations: Original series 30, after differencing 29
Residuals: SS = 307,837 (backforecasts excluded)
MS = 11,401 DF = 27

ARIMA(0,1,1) – tidak signifikan

Type Coef SE Coef T P
MA 1 -0,2807 0,1845 -1,52 0,140
Constant -0,9344 0,7960 -1,17 0,251

Differencing: 1 regular difference

Number of observations: Original series 30, after differencing 29
Residuals: SS = 302,822 (backforecasts excluded)
 MS = 11,216 DF = 27

Tanpa konstan
Final Estimates of Parameters

Type Coef SE Coef T P

MA 1 -0,3072 0,1795 -1,71 0,098

Differencing: 1 regular difference

Number of observations: Original series 30, after differencing 29
Residuals: SS = 317,722 (backforecasts excluded)
MS = 11,347 DF = 28

ARIMA(1,1,0) tanpa konstan-signifikan

Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0,3156 0,1824 1,73 0,095
Constant -0,6620 0,6176 -1,07 0,293

Differencing: 1 regular difference

Number of observations: Original series 30, after differencing 29
Residuals: SS = 298,614 (backforecasts excluded)
MS = 11,060 DF = 27
Tanpa konstan
Final Estimates of Parameters

Type Coef SE Coef T P

AR 1 0,3609 0,1755 2,06 0,049

Differencing: 1 regular difference

Number of observations: Original series 30, after differencing 29
Residuals: SS = 309,556 (backforecasts excluded)
MS = 11,056 DF = 28

Uji signifikansi parameter AR1

H0 : parameter AR1 sama dengan nol atau tidak signifikan
H1 : parameter AR1 tidak sama dengan nol atau tidak signifikan
Daerah kritis : tolak H0 jika Pval<Alpha (0,05)
Dari estimasi parameter diatas didapat nilai p val (0,049) < 0,05 (parameter AR1
signifikan)
Uji signifikan parameter MA1
H0 : parameter MA1 sama dengan nol atau tidak signifikan
H1 : parameter MA1 tidak sama dengan nol atau tidak signifikan
 Daerah kritis : tolak H0 jika Pval < Alpha (0,05)
Dari estimasi parameter diatas didapat nilai p val (0,000) < 0,05 (parameter MA1
signifikan).

5. UJI ASUMSI
Normalitas Autokorelasi
ARIMA (1,1,0) tanpa konstan Mendekati normal Terpenuhi
MS = 11,056
 Karena Model ARIMA(1,1,0) tanpa konstan – signifikan, maka model yang terpilih adalah
ARIMA (1,1,0).

6. FORECASTING

Table diatas merupakan forecasting untuk periode 1-15 mendatang

7. SUMBER DATA
Website dari Badan Pusat Statistik :
https://www.bps.go.id/statictable/2014/01/30/1494/jumlah-penduduk-miskin-persentase-
penduduk-miskin-dan-garis-kemiskinan-1970-2017.html
8. LAMPIRAN