Yulya Winancy (G50117008)
Yulya Winancy (G50117008)
Yulya Winancy (G50117008)
A. Tinjauan Pustaka
A.1 Pengertian Metode
A.3 Tahap-tahap
Tahap-tahap meramalkan data menggunakan Metode Winter dengan
aplikasi minitab :
1. Membuat plot data
2. Apabila data berpola musiman trend atau data telah stasioner,
maka dapat dilakukan peramalan dengan metode ARIMA.
Namun, jika datanya belum stasioner, maka stasionerkan data
dengan melakukan differencing.
3. Mengidentifikasi model tentatif
4. Pemodelan
5. Pendugaan parameter
6. Melakukan Pengujian diagnostik
7. Peramalan / Forecasting.
300
250
Curah Hujan
200
150
100
50
Month Jan Jan Jan Jan Jan Jan Jan Jan Jan
Year 2005 2006 2007 2008 2009 2010 2011 2012 2013
Interpretasi:
Berdasarkan plot diatas dapat diketahui bahwa data curah hujan sulawesi
tengah tahun 2005-2013 tidak stasioner, maka dilakukan penstasioneran
terhadap ragam dan rata-rata.
0.01248
StDev
0.01244
0.01240
Interpretasi:
Berdasarkan plot di atas dapat diketahui bahwa Rounded Value bernilai
1, yang berarti data pada transformasi yang ke dua ini telah stasioner
terhadap ragam.
ACF2
1.0
0.8
0.6
0.4
Autocorrelation
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80 90 100
Lag
Interpretasi:
Berdasarkan plot ACF diatas dapat dilihat LAG yang melewati garis
selang kepercayaan yaitu LAG 1, 3, 4, dan 6. Maka nilai MA (q)
adalah 1, 3, 4, dan 6. Karena plot ACF di atas dihasilkan dari
difference sebanyak satu kali maka dapat diketahui bahwa nilai
Integrated (d) adalah 1.
2. Plot PACF
PACF1
1.0
0.8
0.6
Partial Autocorrelation
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
1 10 20 30 40 50 60 70 80 90 100
Lag
Interpretasi:
Berdasarkan plot PACF diatas dapat dilihat LAG yang melewati garis
selang kepercayaan yaitu LAG 1, 3, 4, 22, dan 28. Maka nilai AR (p)
adalah 1, 3, 4, 22, dan 28.
Daerah Penolakan :
𝐻0 ditolak jika |𝑡ℎ𝑖𝑡𝑢𝑛𝑔 | > 𝑡𝛼⁄2 atau dengan menggunakan P-value, yakni
Kesimpulan:
Berdasarkan uji hipotesis AR(i) dan MA(i) maka kesimpulannya
parameter model ARIMA (1,1,1) dan ARIMA (4,1,1) adalah signifikan,
karena model memiliki parameter-parameter model dengan nilai P-value
< 𝛼. Artinya model ARIMA (1,1,1) dan ARIMA (4,1,1) adalah model
yang digunakan pada tahap selanjutnya untuk dilakukan pengujian
diagnostik.
60
50
40
30
20
10
5
0.1
-100 0 100 200 300 400
Curah Hujan
C. Kesimpulan
Berdasarkan hasil analisis diatas dapat disimpulkan bahwa:
1. Bentuk plot dari data Curah Hujan Sulawesi Tengah Tahun 2005-2013
tidak berpola stasioner sehingga dilakukan penstasioneran terhadap ragam
dan variansnya.
2. Dari pembentukan model ARIMA pada data Curah Hujan Sulawesi
Tengah Tahun 2005-2013 yang dilakukan terdapat satu model terbaik
yaitu model ARIMA (1,1,1).
3. Peramalan Curah Hujan Sulawesi Tengah Tahun 2005-2013 untuk enam
bulan periode selanjutnya secara berturut turut adalah 150.257, 130.551,
123.940, 122.156, 122.150, 122.800.