oleh :
Rini Safrina
1508108010016
2. Tujuan Praktikum
Tujuan praktikum ini adalah sebagai berikut:
a. Mahasiswa dapat mengetahui dan membuat model ARIMA dengan menggunakan data
real.
b. Mahasiswa dapat melihat apakah model ARIMA yang diuji merupakan model terbaik.
4. Sumber Data
Sumber data laporan ini diambil dari website time series
https://datamarket.com/data/list/?q=provider%3Atsdl. Data tersebut merupakan data
pekerja di Austalia dari Februari 1978 – April 1991.
Interpretasi:
Berdasarkan plot diatas dapat dilihat bahwa data pekerja di Austalia dari Februari 1978 – April
1991 memiliki pola trend.
- Plot ACF dan PACF
Interpretasi:
Berdasarkan plot ACF diatas dapat dilihat bahwa lag menurun secara ekponensial dan plot
PACF diatas dapat dilihat bahwa lag menurun secara eksponensial. Berdasarkan PACF &
ACF diatas dapat dilihat bahwa lag melewati garis barlett maka data tersebut dapat
disimpulkan tidak stasioner.
Interpretasi
Berdasarkan output diatas dapat dilihat bahwa terdapat nilai lambda sebesar -
0.01581116 yang berarti bahwa data trend diatas belum stasioner terhadap varians
karena nilai lambdanya belum mendekati 1.
Interpretasi:
Berdasarkan output diatas dapat dilihat bahwa terdapat nilai lambda sebesar
0.8474642 yang berarti bahwa data trend diatas stasioner terhadap varians karena
nilai lambdanya sudah mendekati 1. Maka dari hasil diatas bahwa data hanya di
transformasi sebanyak satu kali.
Uji stasioner terhadap mean
- Hipotesis
H0 : data tidak stasioner
H1 : data stasioner
- Tingkat signifikan
α = 0.05
- Daerah penolakan
Pvalue < α
- Statistik uji :
- Keputusan
Karena P-value (0.8101) > α (0.05) maka Tidak dapat Tolak H0
- Kesimpulan
Data tidak stasioner terhadap mean
Karena data tidak stasioner terhadap mean, maka dilakukan differencing 1 kali:
- Keputusan
Karena P-value (0.01) < α (0.05) maka Tolak H0
- Kesimpulan
Data stasioner terhadap mean
- Model Tentatif
Berikut ini adalah model tentatif sesuai dengan plot ACF dan PACF dengan data
yang sudah differencing:
a. Model ARIMA (1,1,1)
b. Model ARIMA (1,1,2)
Interpretasi:
Berdasarkan plot ACF dan PACF diatas dapat dilihat bahwa setelah lag 0 tampak lag masih
keluar garis barlett. Artinya bahwa error tidak saling bebas. Sehingga dapat disimpulkan
bahwa model ARIMA (1,1,2) merupakan bukan model terbaik.
6. Kesimpulan
Berikut ini adalah kesimpulan yang dapat diambil dari analisa diatas:
a. Data pekerja di Australia dari Februari 1978 – April 1991 yang sudah diuji memenuhi
syarat stasioneritas terhadap varians dan mean.
b. Model terbaik untuk data diatas adalah model ARIMA (1,1,2) didapatkan berdasarkan
nilai AIC terkecil dan bukan model terbaik melalui pengecekan residual.
7. Daftar Pustaka
- Ashari. 2013. Penerapan Metode Time Series Dalam Simulasi Forecasting
Perkembangan Akademik Mahasiwa. STMIK AKBA.
- Hutasuhut, Amira, Herwindyani., dkk. Pembuatan Aplikasi Pendukung Keputusan
Untuk Peramalan Persediaan Bahan Baku Produksi Plastik Blowing dan Inject
Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average) Di CV.
Asia. ITS. Surabaya.