Langkah Langkah Peramalan Dengan Metode ARIMA Box Jenkins Dengan Eviews LENGKAP Portal Statistik

Langkah-langkah Peramalan Dengan Metode ARIMA Box-Jenkins deng...
http://www.portal-statistik.com/2014/10/lankah-langkah-peramalan-deng...
About Contact Us Privacy Policy Disclaimer Sitemaps
Artikel Analisis Statistik Teknik Sampling

Forecasting R Wisata
Beranda » Eviews » forecasting » Langkah-langkah Peramalan

Dengan Metode ARIMA
Box-Jenkins dengan Eviews LENGKAP
Langkah-langkah Peramalan Dengan Metode ARIMA Box-Jenkins

dengan Eviews LENGKAP
OLEH M NASHIHUN ULWAN

SATURDAY, 25 OCTOBER 2014
Bagikan : Suka 6 Tweet
Portal Statistik
Blog Belajar Analisis Data

Start Download - View PDF
Join This Site
OneszAccess Corpora…
810 suka
Ikuti 184 pengikut
Portal-Statistik | Selamat pagi, selamat tahun baru 1 Muharram

1436 H.
Ditahun baru Hijriah dan di pagi yang
cerah ini, saya akan berbagi
tutorial Penerapan Metode ARIMA
(Autoregressive Integrated Moving
Average) Dalam Peramalan Data Runtun Waktu, seperti yang kita
semua sudah
tahu metode ARIMA ini memang cukup ampuh dalam meramalkan
beberapa atau
Popular Minggu Ini

banyak data dimasa yang akan datang, untuk itu silahkan teman-
teman perhatikan Teknik pengambilan sampel
dan pahami sendiri, saya buatkan cara semudah mungkin agar
cepat untuk dipahami. dengan metode purposive
sampling 1
Autoregresif Integrated Moving Average (ARIMA)
Contoh kasus teknik pengambilan

ARIMA sering juga disebut metode runtun waktu Box-Jenkins.
Model Autoregresif
sampel dengan metode purposive

Integrated Moving Average (ARIMA) adalah model yang secara
penuh mengabaikan
sampling 2
independent variabel dalam membuat peramalan. ARIMA
menggunakan nilai masa
lalu dan sekarang dari variabel dependent untuk menghasilkan
peramalan jangka Analisis Deskriptif dengan Minitab 3
pendek yang akurat. ARIMA cocok jika observasi dari deret
waktu (time series)
Analisis Regresi Linear Berganda

secara statistik berhubungan satu sama lain (dependent).
dan Variabel Dummy dengan SPSS 4
Klasifikasi model ARIMA

Cara Membaca atau Melihat Tabel
Model Box-Jenkins (ARIMA) dibagi kedalam 3 kelompok, yaitu:
model autoregressive Normal Z
5
(AR), moving average (MA), dan model campuran ARIMA
(autoregressive moving
Uji ANOVA (Analisys Of Variance)

average) yang mempunyai karakteristik dari dua model pertama.
dan Uji Perbandingan Ganda

1. Autoregressive Model (AR)
dengen SPSS 6
Bentuk umum model autoregressive dengan ordo p (AR(p)) atau
model ARIMA
Uji Normalitas dengan

(p,0,0) dinyatakan sebagai berikut:
menggunakan SPSS (Normality
Test) 7
CATEGORY
1 dari 31
22/11/2017 15:26
Artikel Statistik (24)
DataMining (6)
forecasting (4)
R (10)
RANCOB (4) SAS (7)
Statistik SPSS (24)
Teknik Sampling (4)
2 dari 31
22/11/2017 15:26
2. Moving Average Model (MA)

Bentuk umum model moving average ordo q (MA(q)) atau ARIMA
(0,0,q)
dinyatakan sebagai berikut:
3 dari 31
22/11/2017 15:26
3. Model campuran
a) Proses ARMA
Model umum untuk campuran proses AR(1) murni dan MA(1) murni,
misal
ARIMA (1,0,1) dinyatakan sebagai berikut:
4 dari 31
22/11/2017 15:26
b) Proses ARIMA
Apabila nonstasioneritas ditambahkan pada campuran proses ARMA,
maka model
umum ARIMA (p,d,q) terpenuhi. Persamaan untuk kasus sederhana
ARIMA (1,1,1)
adalah sebagai berikut:
5 dari 31
22/11/2017 15:26
Studi Kasus.
Studi kasus nilai tukar rupiah terhadap dolar US. Data yang
diamati selama satu
tahun, mulai tanggal 1 Mei 2011 sampai dengan 1 Mei 2012. Data
diperoleh dari
http://www.bi.go.id.
untuk datanya bisa anda download disini.
Silahkan dicoba menggunakan data diatas terlebih dahulu untuk
memudahkan
pemahaman :)
Akan dilakukan forcasting terhadap data yang tersedia dari periode

1 sampai dengan
248.
Adapun langkah-langkah melakukan forcasting terhadap data tersebut
dengan
menggunakan aplikasi Eviews metode ARIMA adalah.
1. Membuka aplikasi Eviews dengan melakukan double click pada icon
desktop atau
bagaimanalah caranya terserah.
2. Setelah aplikasi Eviews terbuka dan siap digunakan, klik menu

File – New -
Workfile.
6 dari 31
22/11/2017 15:26
3. Selanjutnya pilih menu Object – New Object, kemudian pilih

Series dan isikan
nama data pada kotak Name for object.
7 dari 31
22/11/2017 15:26
4. Selanjutnya double klik pada nama data yang telah dibuat, klik
button Edit, dan
paste data pada studi kasus pada kolom.
8 dari 31
22/11/2017 15:26
5. Kemudian lihat model data dari studi kasus, pada data ulwan,
klik menu View –
Graph - OK, kemudian akan muncul seperti diabwah ini.
9 dari 31
22/11/2017 15:26
6. Agar data tersebut stasioner terhadap variansi, maka dilakukan

transformasi
kedalam bentuk Logaritma Natural (ln). Pada menu utama, klik
menu Quick –
Generate Series, pada Enter equation isi dengan kode
lnulwan=log(ulwan),
ini dimaksudkan untuk melakukan transformasi pada data dengan
nama ulwan.
10 dari 31
22/11/2017 15:26
7. Selanjutnya adalah menguji apakah data tersebut stasioner

terhadap mean, pada
data yang telah ditransformasi, klik menu View – Unit Root Test,
kemudian isi
sesuai gambar dibawah.
11 dari 31
22/11/2017 15:26
8. Karena data tersebut belum stasioner, maka dilakukan

differencing, kemudian
diuji lagi kestasionerannya, klik menu View – Unit Root Test,
kemudian isi
sesuai dengan gambar dibawah.
12 dari 31
22/11/2017 15:26
9. Selanjutnya adalah identifikasi model awal, klik menu View –

Correlogram,
kemudian pilih 1st difference dan Ok. Sehingga muncul grafik ACF
dan PAC
seperti gambar dibawah.
13 dari 31
22/11/2017 15:26
10. Dari model grafik diatas, dapat diduga data

tersebut mengikuti model
ARIMA(1,1,1) atau ARIMA(0,1,1) tanpa konstanta. Pada halaman
utama
Eviews masukkan perintah seperti gambar dibawah untuk melakukan
overviting,
lakukan sampai mendaatkan model yang signifikan dan terbaik .
14 dari 31
22/11/2017 15:26
15 dari 31
22/11/2017 15:26
11. Karen yang signifikan adalah model ARIMA(0,1,1) tanpa

konstanta, maka yang
digunakan adalah model tersebut, langkah selanjutnya adalah
diagnostic check.
Yang pertama adalah uji normalitas residu, klik menu View –
Residual Test –
Hostogram Normality Test.
12. Selanjutnya adalah uji asumsi autokorelasi, klik menu View –

Residual Test –
Correlogram Q Statistics.
13. Selanjutnya adalah uji asumsi heteroskedastisitas, klik menu

View –
Residual Test – Correlogram Squared Residuals.
14. Selanjutnya adalah melakukan forecast atau peramalan,

doubleklik pada range
data dan ubah nilai End date dengan 249.
16 dari 31
22/11/2017 15:26
15. Klik menu Forecast dan isi sesuai dengan gambar dibawah ini
17 dari 31
22/11/2017 15:26
16. Selanjutnya adalah, mengembalikan hasil forecast kedalam bentuk

atau data asil
dengan mengeksponensialkan data yang berbentuk ln.
18 dari 31
22/11/2017 15:26
Oke, sudah selesai semua langkah-langkah peramalan dengan metode

ARIMA,
Mari kita bahas output dari aplikasi Eviews ini satu persatu.
19 dari 31
22/11/2017 15:26
Hipotesis
Ho : Data tidak stasioner
H1 : Data stasioner
Tingkat Signifikansi:
α=0.05
Daerah Kritis:
|ADF| >|t-Statistic| : Tolak H0
Statistika Uji:
ADF = -0.93 t-Statistic = -2.87
Keputusan Uji
Karena nilai |ADF| < |t-Statistic| maka keputusannya adalah
gagal tolak H0
Kesimpulan :
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa
data tersebut
tidak stasioner.
20 dari 31
22/11/2017 15:26
Berdasarkan gambar diatas, karena nilai |ADF| > |t-Statistic| maka

keputusannya
adalah tolak H0 yang berarti data sudah stasioner.
Setelah dilakukan overfitting terhadap 2 model yaitu
ARIMA(1,1,1) dan
ARIMA(0,1,1) tanpa konstanta maka didapatkan hasil yaitu:
21 dari 31
22/11/2017 15:26
Berdasarkan gambar diatas, dapat dilakukan pemilihan model

terbaik, dilihat dari
signifikan nilai probabilitasnya atau melihat nilai Akaike Info
Criterion (AIC) atau
Schwarz Criterion (SC) dengan melihat nilai terkecil.
22 dari 31
22/11/2017 15:26
Berdasarkan tabel diatas maka model terbaik yang dapat digunakan

adalah model
ARIMA (0,1,1), hasil diagnostic check dapat dilihat pada gambar
dibawah ini:
23 dari 31
22/11/2017 15:26
Berdasarkan gambar, terlihat bahwa nilai Prob. < alpha = 0.000 <
0.05 maka
tolak H0 yang berarti data residual tidak berdistribusi normal.
24 dari 31
22/11/2017 15:26
Berdasarkan gambar terlihat pada nilai prob. terdapat beberapa

nilai yang tidak
signifikan, oleh karena itu dapat disimpulkan bahwa terdapat
gejala autokorelasi
terhadap data residual.
25 dari 31
22/11/2017 15:26
Berdasarkan gambar terlihat pada nilai prob. semua nilai tidak

signifikan, oleh karena
itu dapat disimpulkan bahwa terdapat gejala heteroskedastisitas
terhadap data
residual.
Pada kasus ini, semua asumsi yang kita harapkan tidak memenuhi,
oleh karena itu
data tersebut bisa didekati dengan metode lain seperti
menghilangkan efek
heteroskedastisitasnya terlebih dahulu dengan metode ARCH-GARCH
atau yang
lainnya.
Karena yang saya bahas disini adalah metode ARIMA, saya akan
melanjutkan contoh
ini sampai selesai forecast atau peramalan.
26 dari 31
22/11/2017 15:26
27 dari 31
22/11/2017 15:26
Gambar diatas merupakan hasil forecast data kurs Rupiah terhadap

Dolar satu
periode kedepan, pada gambar pertama dapat dilihat informasi MSE
dan MAE yang
masih dalam bentuk Ln yaitu 0.0045 dan 0.0029, dan pada gambar
kedua dapat
dilihat hasil forecast untuk periode 249 adalah Rp 9145.952.
Demikian, tutorial tentang langkah-langkah peramalan dengan metode

ARIMA
dengan Eviews.
Tambahan sedikit, sebelum melakukan analisis runtun waktu silahkan
perhatikan plot
data terlebih dahulu, jika terdapat faktor musiman silahkan bisa
di analisis dengan
metode SARIMA (Seasonal Autoregressive Integrated Moving Average)
untuk menganalisis
data musiman.
Terimakasih atas kunjungan anda. Jika ada yang kurang jelas,

silahkan ditanyakan,
dan mudah-mudahan saya bisa membantu :
Semoga Bermanfaat.
HAVE FUN.
Tag : Eviews, forecasting
PREVIOUS
NEXT
Peramalan Data Runtun Waktu Metode Spesial Post Untuk
Hari Statistik Nasional
SARIMA dengan Eviews
Related Post:
Cara Peramalan dengan Metode Single Moving Average dan Double
Moving
Average
Peramalan Data Runtun Waktu Metode SARIMA dengan Eviews

Langkah-langkah Peramalan Dengan Metode ARIMA Box-Jenkins dengan
Eviews
LENGKAP
Penerapan Model ARCH GARCH Dalam Peramalan Data Runtun Waktu
Dengan
Eviews
19 Komentar untuk "Langkah-langkah Peramalan Dengan

Metode ARIMA Box-Jenkins dengan Eviews LENGKAP"
Double Aces
28 OCTOBER 2014 AT 22:00
Balas Terima kasih mas atas artikel yang sangat bermanfaat

ini, tapi bila mas
bersedia meluangkan waktu mohon juga dibahas artikel
ini dengan
memakai software SPSS. Berhubung saya saat ini sedang
belajar
statistika dengan software ini. Terima kasih
sebelumnya mas. :)
Double Aces
28 OCTOBER 2014 AT 22:37
Balas Ada tambahan... mohon info password untuk

file "studi
kasus arima.zip" ya mas Nashihun.
28 dari 31
22/11/2017 15:26
M Nashihun Ulwan
29 OCTOBER 2014 AT 03:05
Ya, sama-sama, semoga bermanfaat, untuk peramalan

time
series menurut saya lebih enak jika menggunakan
eviews
mass :D, tapi itu tergantung orangnya juga sih
he...
passwordnya sudah ada di keterangan samping
winrarnya:
"portal-statistik"
Double Aces
31 OCTOBER 2014 AT 16:27
Balas Terima kasih mas... saya akan coba praktekkan. :)
Tony Dharmapala
11 NOVEMBER 2014 AT 09:14
Balas Assalamualaikum Mas

saya punya data rencana dan realisasi belanja
barang tahun
anggaran 2006-2014
dari data itu saya ingin meramalkan realisasi
belanja barang
tahun 2015-2017,
apakah data yang saya punya terlalu sedikit
sehingga
metode ARIMA/Fungsi Transfer/metode lainnya tidak
bisa
digunakan untuk melakukan peramalan?
lalu pertanyaanselanjutnya apakah metode yang
paling
tepat dan sesuai untuk meramalkannya?
trims sebelumnya
M Nashihun Ulwan
Balas Waalaikumsalam, Wr.Wb

saya rasa data yang dimiliki sudah cukup untuk
melakukan
peramalan.
Semua metode pada dasarnya sama, memiliki
keunggulan
dan kelemahan masing2, untuk ukuran kebaikannya
nanti
bisa dilihat ukuran error atau MSE hasil
peramalannya, coba
bandingkan saja dgn metode lainnya, selanjutnya
pilih
metode yg errornya terkecil untuk dijadikan
metode
peramalan yg dianggap paling baik. :)
Tony Dharmapala
Balas Cukup ya Mas, soalnya lihat data studi kasus

punya Mas
datanya harian dan mencapai 134 data. sedangkan
saya
hanya data 8 tahun saja..
apa harus dibuat data perbulan biar banyak ya
Mas?
maaf banyak tanya hehehe
Trims Mas
Balas
29 dari 31
22/11/2017 15:26
M Nashihun Ulwan
ya sebenarnya bisa saja diramalkan meskipun

datanya
hanya 8.
tapi jika itu bisa dibuat dalam bulanan itu
malah lebih baik
lagi, semakin banyak data semakin baik hasil
peramalannya,
selain itu kita juga bisa melihat plot data
lebih detail lagi,
apakah ada faktor musiman juga atau tidak.
Aryadzouber.blogspot.com
20 FEBRUARY 2015 AT 00:27
Balas aplikasi eviews didapat dimana ya mas?

bisa Email ke zouber.nissan@gmail.com ga?
terima kasih sebelumnya.
M Nashihun Ulwan
Balas Cari di google aja mas, banyak kok yang

posting.
Gege Safetyanto Raharjo

18 JUNE 2015 AT 00:57
Balas menggunakan mode Expert Modeler di SPSS dan Automatic

Forcasting
ARIMA di EViews apakah benar2 mendapatkan model terbaik
ya mas?
M Nashihun Ulwan
18 JUNE 2015 AT 18:59
Balas Kalau dari saya sendiri, belum tentu yang

dihasilkan oleh
autoarima error yang dihasilkan bisa lebih
baik, kebetulan
sudah saya coba jg.
baiknya sih dilakukan overvitting lebih banyak
lagi guna
mendapatkan model yang terbaik.
Gege Safetyanto Raharjo

22 JUNE 2015 AT 17:45
Balas Oh gitu ya mas, wahhh makasih

banyak mas
infonya, bermanfaat banget
blognya :)
This comment has been removed by the author. - Hapus
andy
5 DECEMBER 2015 AT 00:15
Balas ujung2nya kagak jelas, bgmn forecastnya ga dijelasin apa

yg harus di
klik, "doubke klik pada range data", yg mana yg harus di
klik, pemula
mana tau
anggitama putrasiagian
19 DECEMBER 2015 AT 20:19
30 dari 31
22/11/2017 15:26
bang saya nggak paham tahap 10,11,12,13

Balas
tolong banget bantuanya buat jelasin yg lebih detail
Unknown
Balas maaf mas mau tanya. saya kurang mengerti dengan uji
heteroskedastisitas. dari tabel diketahui bahwa
nilai prob. 0,000. tetapi
mas mengatakan bahwa nilai prob. tidak signifikan
sehingga terdapat
efek hetero dan dapat dilanjutkan ke ARCH GARCH.
bukannya jika nilai
prob < dari 0,005 itu signifikan mas?tetapi mengapa
mas mengatakan
tidak signifikan? terimakasih
Cheeryna Granger
25 OCTOBER 2016 AT 20:34
Balas Selamat malam mas, penjelasan mas sangat membantu

saya, terima
kasih. Namun saya ingin bertanya. Dalam penjelasan
tersebut,
penentuan stasioner tidaknya data dengan
pertimbangan ADF > t maka
tolak Ho. Dalam penjelasan mas, ADF yang sebesar
-0,93 lebih kecil
dari t yang sebesar -2,87. Saya agak bingung dengan
pernyataan
tersebut karena dalam pemahaman saya -0,93 lebih
besar dari -2,87.
Apakah tanda minus tersebut tidak diperhitungkan
sehingga dianggap
-0,93 lebih kecil? Maaf saya agak bingung. Terima
kasih...
linda putran
18 MARCH 2017 AT 13:59
Balas mas saya mau tanya, bagaimana cara kita mengetahui

klau data
tersebut tidak stasioner dalam varian?? klau
stasioner dalam rataan
kan pakai uji ADF, klau dalam varians gmana mas?
terimakasih
Silahkan tinggalkan komentar, kritik, maupun saran dari sobat

blogger tentang
apa yang sobat rasakan setelah mengunjungi blog ini.
Comment as:
Publish
Notify me
Copyright © 2015 : Portal

Statistik - Template by Kang Mousir
31 dari 31
22/11/2017 15:26

Langkah Langkah Peramalan Dengan Metode ARIMA Box Jenkins Dengan Eviews LENGKAP Portal Statistik

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Langkah Langkah Peramalan Dengan Metode ARIMA Box Jenkins Dengan Eviews LENGKAP Portal Statistik

Diunggah oleh

Hak Cipta:

Format Tersedia

Langkah-langkah Peramalan Dengan Metode ARIMA Box-Jenkins deng...

About Contact Us Privacy Policy Disclaimer Sitemaps

Artikel Analisis Statistik Teknik Sampling

Beranda » Eviews » forecasting » Langkah-langkah Peramalan

Langkah-langkah Peramalan Dengan Metode ARIMA Box-Jenkins

OLEH M NASHIHUN ULWAN

Bagikan : Suka 6 Tweet

Blog Belajar Analisis Data

Join This Site

Ikuti 184 pengikut

Portal-Statistik | Selamat pagi, selamat tahun baru 1 Muharram

Popular Minggu Ini

Contoh kasus teknik pengambilan

sampel dengan metode purposive

Analisis Regresi Linear Berganda

dan Variabel Dummy dengan SPSS 4

Klasifikasi model ARIMA

Uji ANOVA (Analisys Of Variance)

dan Uji Perbandingan Ganda

Uji Normalitas dengan

menggunakan SPSS (Normality

Artikel Statistik (24)

RANCOB (4) SAS (7)

Statistik SPSS (24)

Teknik Sampling (4)

2. Moving Average Model (MA)

Akan dilakukan forcasting terhadap data yang tersedia dari periode

2. Setelah aplikasi Eviews terbuka dan siap digunakan, klik menu

3. Selanjutnya pilih menu Object – New Object, kemudian pilih

6. Agar data tersebut stasioner terhadap variansi, maka dilakukan

7. Selanjutnya adalah menguji apakah data tersebut stasioner

8. Karena data tersebut belum stasioner, maka dilakukan

9. Selanjutnya adalah identifikasi model awal, klik menu View –

10. Dari model grafik diatas, dapat diduga data

11. Karen yang signifikan adalah model ARIMA(0,1,1) tanpa

12. Selanjutnya adalah uji asumsi autokorelasi, klik menu View –

13. Selanjutnya adalah uji asumsi heteroskedastisitas, klik menu

14. Selanjutnya adalah melakukan forecast atau peramalan,

16. Selanjutnya adalah, mengembalikan hasil forecast kedalam bentuk

Oke, sudah selesai semua langkah-langkah peramalan dengan metode

Berdasarkan gambar diatas, karena nilai |ADF| > |t-Statistic| maka

Berdasarkan gambar diatas, dapat dilakukan pemilihan model

Berdasarkan tabel diatas maka model terbaik yang dapat digunakan

Berdasarkan gambar terlihat pada nilai prob. terdapat beberapa

Berdasarkan gambar terlihat pada nilai prob. semua nilai tidak

Gambar diatas merupakan hasil forecast data kurs Rupiah terhadap

Demikian, tutorial tentang langkah-langkah peramalan dengan metode

Terimakasih atas kunjungan anda. Jika ada yang kurang jelas,

Tag : Eviews, forecasting

Peramalan Data Runtun Waktu Metode SARIMA dengan Eviews

19 Komentar untuk "Langkah-langkah Peramalan Dengan

Balas Terima kasih mas atas artikel yang sangat bermanfaat

Balas Ada tambahan... mohon info password untuk

Ya, sama-sama, semoga bermanfaat, untuk peramalan

Balas Terima kasih mas... saya akan coba praktekkan. :)

Balas Assalamualaikum Mas

Balas Waalaikumsalam, Wr.Wb

Balas Cukup ya Mas, soalnya lihat data studi kasus

ya sebenarnya bisa saja diramalkan meskipun

Balas aplikasi eviews didapat dimana ya mas?

Balas Cari di google aja mas, banyak kok yang

Gege Safetyanto Raharjo

Balas menggunakan mode Expert Modeler di SPSS dan Automatic