Kelompok 2 :
Siti Ihza Arsella Kasim/H051171017
Paramitha Ar Rasis/H051171309
Zulfa Putri Azmawi/H051171305
Munadiah Apriliani/H051171507
Nur Alya Tussa’ada/H051171508
Zakarias Maukari/H051171701
UNIVERSITAS HASANUDDIN
MAKASSAR
2019
1. Suatu model AR mempunyai persamaan polinomial karakteristik AR ( 1 − 1,6𝑥 +
0,7𝑥 2 )(1 − 0,8𝑥12 ).
a. Apakah model tersebut termasuk model yang stasioner? Jelaskan!
b. Lakukan identifikasi untuk menentukan orde dari model ARIMA tersebut!
Jawab :
a. Diketahui persamaan polinomial karakteristik AR (1 − 1,6𝑥 + 0,7𝑥 2 )(1 − 0,8𝑥12 ) dapat
ditulis sebagai berikut:
(1 − 1,6𝑥 + 0,7𝑥 2 )(1 − 0,8𝑥12 ) = 𝑎𝑡
(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 )(1 − Φ1 𝐵12 )𝑍𝑡 = 𝑎𝑡
Sehingga diperoleh :
1; 𝑘 =0
(𝜙 + 𝜃)(1 + 𝜙𝜃)
𝜌𝑘 = ; 𝑘=1
1 + 2𝜙𝜃 + 𝜃 2
{ 𝜙 k−1 𝜌1 ; 𝑘 ≥ 2
2. ARIMA(0,1,1)(0,1,1)12.
Diketahui nilai 𝜃 = 0,5 dan Θ = 0,5. Setelah dilakukan differencing nonmusiman
dan differencing musiman, nilai FAK dan FAKP akan mengikuti nilai-nilai FAK dan
FAKP model ARIMA musiman yang stasioner, sesuai dengan orde autoregressive
dan orde moving average-nya, yaitu ARIMA (𝑝, 0, 𝑞)(𝑃, 0, 𝑄)12.
Karena 𝑎𝑡 ~(0, 𝜎𝑎2 ), maka nilai 𝐸(𝑍𝑡 ) = 0. Selanjutnya untul nilai 𝑉𝑎𝑟(𝑍𝑡 ) diperoleh
berikut ini:
𝑉𝑎𝑟(𝑍𝑡 ) = 𝑉𝑎𝑟(𝑎𝑡 − 𝜃𝑎𝑡−1 − Θ𝑎𝑡−12 + 𝜃Θ𝑎𝑡−13 )
= 𝜎𝑎2 + 𝜃 2 𝜎𝑎2 + Θ2 𝜎𝑎2 + 𝜃 2 Θ2 𝜎𝑎2
= 𝜎𝑎2 (1 + 𝜃 2 + Θ2 + 𝜃 2 Θ2 )
𝛾0 = 𝜎𝑎2 (1 + 𝜃 2 )(1 + Θ2 )
3. Suatu perusahaan menghasilkan produk tertentu, tertarik untuk mengetahui gambaran jumlah
permintaan produksi dari bulan ke bulan, dan jumlah permintaan di bulan–bulan yang akan
datang. Kemudian bagian pemasaran mengumpulkan data jumlah permintaan produksi
selama ini. Data yang dikumpulkan kemudian dimodelkan dengan menggunakan pendekatan
ARIMA Box-Jenkins. Dari data asli dapat diketahui bahwa data belum stasioner baik dalam
rata-rata nonmusiman maupun dalam rata-rata musiman, sehingga langkah selanjutnya
adalah melakukan differencing. Hasil proses differencing 1 nonmusiman (d = 1) dan
differencing 1 musiman 12 (D = 12) memberikan gambaran nilai FAK dan FAKP seperti
pada gambar berikut ini.
Berdasarkan FAK dan FAKP itu jawablah pertanyaan berikut!
a. Apa dugaan model ARIMA yang sesuai untuk data produk tersebut? Jelaskan alasan
Anda!
b. Tulis bentuk umum model dugaan Anda dan jelaskan arti model itu!
Jawab:
Untuk bagian musiman, FAK cut off pada lag 12 ke 24, dan FAKP lag 12, 24, 36 dan
seterusnya serta menunjukkan pola dies down, dan pada soal disebutkan differencing 1
musiman 12 (D = 12) sehingga model musimannya adalah ARIMA(0,1,1)12.
b. Secara umum model ARIMA (0,1,1)(0,1,1)12 .
(1 − 𝐵)(1 − 𝐵12 )𝑍𝑡 = (1 − 𝜃𝐵)(1 − Θ𝐵12 )𝑎𝑡
(1 − 𝐵)(𝑍𝑡 − 𝑍𝑡−12 ) = (1 − 𝜃𝐵)(𝑎𝑡 − Θ𝑎𝑡−12 )
(𝑍𝑡 − 𝑍𝑡−12 ) − (𝑍𝑡−1 − 𝑍𝑡−13 ) = (𝑎𝑡 − Θ𝑎𝑡−12 ) − 𝜃(𝑎𝑡−1 − Θ𝑎𝑡−13 )
𝑍𝑡 = 𝑍𝑡−12 + 𝑍𝑡−1 − 𝑍𝑡−13 + 𝑎𝑡 − Θ𝑎𝑡−12 − 𝜃𝑎𝑡−1 + 𝜃Θ𝑎𝑡−13