Laporan Forecasting

Time Series PlotIndeks Harga

of Harga Gula DuniaGula Dunia
13,6

13,2
Harga Gula Dunia

12,8

12,4

12,0

1 6 12 18 24 30 36 42 48 54 60
Index

Hasil Time Series Plot dari data Harga Gula Dunia (Sebelum Diff)

Time Series Plot of C4

1,0

0,5
C4

0,0

-0,5

-1,0

1 6 12 18 24 30 36 42 48 54 60
Index

Hasil Time Series Plot dari Harga Gula Dunia (d=4)

Trend yang menunjukan bahwa data sudah mendekati Stationer

Autocorrelation Function for C4

(with 5% significance limits for the autocorrelations)

1,0

0,8

0,6

0,4
Autocorrelation

0,2

0,0

-0,2

-0,4

-0,6

-0,8

-1,0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Lag
 Partial Autocorrelation Function for C4
(with 5% significance limits for the partial autocorrelations)

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 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Lag

Terlihat bahwa pada lag 1 terlihat signifikan sehingga ordo yang mungkin untuk p dan q

Maka kemungkinan kombinasi ARIMA yang mungkin

(1,3,0)

(1,3,1)

(0,3,1)

(1,2,0)

(1,2,1)

(0,2,1)
ARIMA (1,3,0):
Hasil dari ARIMA(1,3,1):
Hasil dari ARIMA(0,3,1)
Hasil ARIMA (1,2,0) :
Hasil ARIMA (1,2,1) :
Hasil ARIMA (0,2,1) :
Uji signifikansi Parameter

Hipotesis:

H0 : Koefisien Tidak cocok terhadap model

H1 : Koefisien cocok terhadap model

Taraf Signifikansi :

α = 5%

Statistik Uji

Berdasarkan Final Estimate of Parameters diperoleh nilai P-Value Sbb:

ARIMA Parameter P-Value α

AR 0,000 0,050
(1,2,0)
MA - -
AR 0,840 0,050
(1,2,1)
MA 0,000 0,050
AR - -
(0,2,1)
MA 0,000 0,050
AR 0,000 0,050
(1,3,0)
MA - -
AR 0,000 0,050
(1,3,1)
MA 0,000 0,050
AR - -
(0,3,1)
MA 0,000 0,050

Kriteria Uji

H0 ditolak jika P-Value < α

Keputusan

H0 ditolak hampir seluruh parameter kecuali parameter AR pada Model ARIMA(1,2,1)

Kesimpuan

Jadi pada taraf sinifikansi 5% H0 untuk hampir seluruh parameter ditolak, kecuali Parameter
AR pada model ARIMA(1,2,1)
MEMVERIFIKASI MODEL

1. Uji Normalitas Residual

Hipotesis:

H0 : Residual Berdistribusi Normal

H1 : Residual tidak Berdistribusi Normal

Taraf Signifikansi:

α = 5%

Statistik Uji:

Berdasarkan probability plot of Residual diperoleh nilai P-Value Sbb:

ARIMA P-Value α
(1,2,0) > 0,150 0,050
(1,2,1) 0,085 0,050
(0,2,1) 0,069 0,050
(1,3,0) < 0,01 0,050
(1,3,1) > 0,150 0,050
(0,3,1) 0,043 0,050

Kriteria Uji

H0 ditolak jika P-Value < α

Keputusan

H0 diterima untuk Model ARIMA (1,2,0) , ARIMA (1,2,1) , ARIMA (1,3,1) , ARIMA (0,2,1)

Kesimpulan

Hanya Model ARIMA (1,2,0) , ARIMA (1,2,1) , ARIMA (1,3,1) , ARIMA (0,2,1) yang
berdistribusi normal selain itu model berdistribusi Tidak Normal

2. Uji Independensi

Hipotesis:

H0 : Tidak ada korelasi antar Lag

H1 : Ada korelasi antar Lag

Taraf Signifikansi:

α = 5%

Statistik Uji:

Berdasarkan output ARIMA Model : HGD pada Modifiedd Box-Pierce(Ljung-Box) Chi-Square

statistik diperoleh nilai P-Value Sbb:
 12 24 36 48 a
(1,2,0) 0,255 0,231 0,16 0,115 0,05
(1,2,1) 0,635 0,716 0,709 0,384 0,05
(0,2,1) 0,714 0,776 0,782 0,415 0,05
(1,3,0) 0,033 0,049 0,023 0,061 0,05
(1,3,1) 0,189 0,189 0,131 0,092 0,05
(0,3,1) 0,002 0,002 0 0 0,05

Kriteria Uji

H0 ditolak jika P-Value < α

Keputusan

H0 diterima untuk Model ARIMA (1,2,0) , ARIMA (1,2,1) , ARIMA (0,2,1) , ARIMA (1,3,1)

Kesimpulan

Jadi pada taraf signifikan 5% model ARIMA (1,2,0) , ARIMA (1,2,1) , ARIMA (0,2,1) , ARIMA
(1,3,1) H0 diterima berarti tidak ada korelasi(Independent) antar lag.

Menghitung MSE

ARIMA MSE
(1,2,0) 0,02877
(1,2,1) 0,02156
(0,2,1) 0,02122
(1,3,0) 0,06203
(1,3,1) 0,03071
(0,3,1) 0,0417

Maka didapati Tabel kesimpulan

Kecocokan
Model Normalitas Independensi MSE
Parameter
(1,2,0) 1 1 1 0,02877
(1,2,1) 0 1 1 0,02156
(0,2,1) 1 1 1 0,02122
(1,3,0) 1 0 0 0,06203
(1,3,1) 1 1 1 0,03071
(0,3,1) 1 0 0 0,0417

Kesimpulan:

dari seluruh syarat untuk menjadi model yang terbaik kelengkapan atribute dan yang
memiliki nilai MSE terendah dianggap sebagai model yang terbaik

Keputusan:
 Bahwa Model ARIMA(0,2,1) merupakan model yang terbaik, dan forecasting untuk beberapa
periode waktu kedepan dengan model ARIMA(0,2,1) sbb: