Contoh soal:

Diketahui data produksi rokok sukun pada tahun 2000 sampai 2010 seperti di bawah.
Prediksilah produksi rokok pada tahun 2011 sampai 2012 !
Januar
Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
y
200 7420 7450
75000 75200 75500 74800 75100 75200 75300 74850 75250 75100
0 0 0
200 7495 7520
74500 74300 75150 75150 74750 74800 74800 75200 75400 75800
1 0 0
200 7910 7910
79000 78800 78950 79000 78900 78750 78750 78900 78900 78850
2 0 0
200 8200 8170
82000 82150 82450 81900 81800 82000 82000 82000 82400 81700
3 0 0
200 8215 8180
82300 81900 81750 82000 82200 81950 81900 82200 81850 82000
4 0 0
200 8230 8195
81900 82200 81700 81900 81600 82300 81900 82500 81900 82000
5 0 0
200 7510 7480
75200 74900 74950 75200 74950 74900 75200 75000 75100 75000
6 0 0
200 7480 7520
75200 75500 75000 74200 75300 74500 75100 75100 74850 75250
7 0 0
200 6690 6720
67200 66800 66650 67250 66750 67250 67100 66800 66900 67200
8 0 0
200 6670 6730
67150 67300 66900 66750 67400 66850 67000 67000 66900 67200
9 0 0
201 5980 5980
61200 59300 60500 60200 60250 59750 60200 59650 60150 60300
0 0 0

Jawaban :
# grafik data untuk menentukan apakah data sudah stasioner
plot(ylim = c(),rokok$prod.kok,type= "l")

#mestasionerkan data
rokok1 = diff(rokok$prod.kok)
rokok1
data menjadi
 200 300 -700 -600 900 -600 700 100 -450 400
-150 -600 -200 850 0 -200 -200 450 -400 0
400 200 400 3200 -200 150 50 100 -200 200
-350 0 150 0 -50 3150 150 300 -550 100
-200 -100 300 0 0 400 -700 600 -400 -150
250 150 50 -400 150 -50 300 -350 150 -100
300 -500 200 400 -700 350 350 -400 600 -600
-
680
100 0 -300 50 250 -100 -150 -150 100 300
-200 100 -100 200 300 -500 -800 600 500 -100
-
-700 600 0 -250 400 8050 -400 -150 600 -350
-150 450 50 -150 -300 100 300 -50 150 -400
-150 -50 700 -100 -450 150 0 -100 300 -6000
120
-1900 0 -300 -400 450 -450 -50 450 -550 500
150                  

#menguji ke stasioneran data kembali

plot(ylim = c() ,rokok1,type= "l")
# mengecek nilai ADF ( Augmented Dickey-Fuller) untuk menentukan data stasioner (instal
packages = aTSA)
adf.test (rokok1)
#Menentukan model yang akan di gunakan
#AR (1)
model1=arima(rokok1,order=c(1,0,0))
model1
#AR (2)
model2=arima(rokok1,order=c(2,0,0))
model2
#AR (3)
model3=arima(rokok1,order=c(3,0,0))
model3
#MA (1)
model4=arima(rokok1,order=c(0,0,1))
model4
#ARMA (1,1)
model5=arima(rokok1,order=c(1,0,1))
model5
#ARMA (2,1)
model6=arima(rokok1,order=c(2,0,1))
model6
#ARMA (3,1)
model7=arima(rokok1,order=c(3,0,1))
model7
#ARIMA (1,1,1)
model8=arima(rokok1,order=c(1,1,1))
model8
#ARIMA (2,1,1)
model9=arima(rokok1,order=c(2,1,1))
model9
#ARIMA (3,1,1)
model10=arima(rokok1,order=c(3,1,1))
model10
# model terrbaik adalah model dengan MSE yang relatif kecil, nilai likelihood yang relatif
besar serta nilai AIC yang relatif kecil
#analisis arima
model7=arima(rokok1,order=c(3,0,1))
model7
Call:
arima(x = rokok1, order = c(3, 0, 1))

Coefficients:
ar1 ar2 ar3 ma1 intercept
0.1868 -0.0202 -0.0268 -0.1785 -112.5590
s.e. 3.2787 0.0932 0.1232 3.2809 99.7224

sigma^2 estimated as 1425183: log likelihood = -1114.01, aic = 2240.01

tsdiag(model7,gof.lag=48)
predict(model7,n.ahead=24)
$pred
Time Series:
Start = 132
End = 155
Frequency = 1
[1] -111.7272 -134.1370 -123.6452 -114.2157 -112.0657 -112.1361 -112.4455
-112.5595
[9] -112.5727 -112.5646 -112.5597 -112.5586 -112.5587 -112.5589 -112.5590
-112.5590
[17] -112.5590 -112.5590 -112.5590 -112.5590 -112.5590 -112.5590 -112.5590
-112.5590

$se
Time Series:
Start = 132
End = 155
Frequency = 1
[1] 1193.810 1193.851 1194.060 1194.613 1194.632 1194.632 1194.632
1194.632
[9] 1194.632 1194.632 1194.632 1194.632 1194.632 1194.632 1194.632
1194.632
[17] 1194.632 1194.632 1194.632 1194.632 1194.632 1194.632 1194.632
1194.632

Jadi data produksi rokok sukun pada 2011 dan 2012 adalah

Bulan Tahun hasil ramalan rokok1 hasil peramalan produksi rokok sukun
November 2010 60150
December 2010 150 60300
January 2011 -111.727 60188.27
February 2011 -134.137 60054.14
March 2011 -123.645 59930.49
April 2011 -114.216 59816.27
May 2011 -112.066 59704.21
June 2011 -112.136 59592.07
July 2011 -112.446 59479.63
August 2011 -112.56 59367.07
Septembe
2011 -112.573 59254.5
r
October 2011 -112.565 59141.93
November 2011 -112.56 59029.37
December 2011 -112.559 58916.81
 January 2012 -112.559 58804.25
February 2012 -112.559 58691.69
March 2012 -112.559 58579.14
April 2012 -112.559 58466.58
May 2012 -112.559 58354.02
June 2012 -112.559 58241.46
July 2012 -112.559 58128.9
August 2012 -112.559 58016.34
Septembe
2012 -112.559 57903.78
r
October 2012 -112.559 57791.22
November 2012 -112.559 57678.66
December 2012 -112.559 57566.1