ANALISIS DERET WAKTU Diagnosa Model

Apa itu Diagnosa Model? Identifikasi

Model
Setelah menentukan estimasi parameter dari model
yang diduga, tahap selanjutnya adalah melakukan
diagnose model tersebut.
Estimasi
Parameter
Model
Diognosa model bertujuan untuk mengetahui
apakah model yang kita duga telah baik serta
efisien untuk digunakan.
Diagnosa
Model
Dua Pendekatakan dalam diagnosa model adalah :
1. Analisis Residual/Galat
2. Analisis Model Forecasting
Analisis Residual/Galat
Residual dari sebuah model deret waktu didefinisikan oleh :
𝑅𝑒𝑠𝑖𝑑𝑢𝑎𝑙 = 𝐷𝑎𝑡𝑎 𝐴𝑘𝑡𝑢𝑎𝑙 − 𝐻𝑎𝑠𝑖𝑙 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖

Data Aktual merupakan merupakan data asli yang digunakan dalam membangun
sebuah data deret waktu. Misal 𝑌𝑡

Hasil Prediksi adalah data yang dihasilkan berdasarkan model yang diperoleh.
Misalkan model yang diperoleh adalah AR(2) dengan Constant Mean berikut :
𝑌𝑡 = 𝜙1 𝑌𝑡−1 + 𝜙2 𝑌𝑡−2 + ⋯ (lihat di Cryer & Chan, 2008 - Hal. 175)
Analisis Residual/Galat
Beberapa cara yang dapat digunakan untuk menganalisa Residual adalah :
1. Plot Residual
2. Normalitas Residual
3. Autokorelasi Residual
4. The Ljung-Box Test
Plot Residual
Plot Residual
Plot Residual
Normalitas Residual
Untuk mengetahui suatu residual berdistribusi normal atau tidak dapat dilakukan
dengan menggunakan Pengujian Visual maupun Pengujian Statistika.

Pengujian Visual
1. Histogram
2. Normal Q-Q Plot
3. dll Model yang baik adalah model yang memiliki
Residual Berdistribusi Normal
Pengujian Statistika
1. Uji Kolmogorov-Smirnov
2. Uji Shapiro-Wilk
3. Liliefors
4. dll
Normalitas Residual
Autokorelasi Residual
Membentuk plot Autocorrelation Function (ACF) dari redisual dengan ketentuan
yang sesuai dengan Cryer & Chan, 2008.
Autokorelasi Residual

Jika terdapat lag dari ACF Residual yang keluar dari batas, maka terdapat
Autokorelasi dalam Residual dan model dianggap kurang baik.
Ljung Box Test
H0 : Kecukupan model terpenuhi / Uncorrelated Residual (𝜌1 = 𝜌2 = ⋯ = 𝜌𝐾 = 0)
H1 : Kecukupan model tidak terpenuhi / Correlated Residual

Statistik Uji :
2
𝐾 𝜌𝑘
𝑄 =𝑛 𝑛+2 𝑘=1 𝑛−𝑘 atau

2
𝜌12 𝜌22 𝜌𝐾
𝑄 =𝑛 𝑛+2 + + ⋯+
𝑛−1 𝑛−2 𝑛−𝐾

Bandingkan nilai Q dengan tabel Chi-Square

Ljung Box Test
Contoh :
Dari perhitungan menggunakan Ljung Box Test dengan K =6 diperoleh nilai Q :

Dengan menggunakan derajat bebas 𝑣 = 6 − 1 = 5 dan 𝛼 5% diperoleh nilai tabel

Chi-Square sebesar 11,070. Hal ini menyebabkan H0 gagal ditolak dan memberikan
kesimpulan bahwa Kecukupan model terpenuhi / Uncorrelated Residual
(𝜌1 = 𝜌2 = ⋯ = 𝜌𝐾 = 0)
Analisis Model
Pada uji diagnosa Analisis Model, dilakukan beberapa percobaan model yang
mendekati. Sebagai ilustrasi :

Contoh :
Dugaan awal sebuah data deret waktu mengikuti model AR(3) / terjadi cut-off
PACF setelah lag 3. Artinya, lag 1, 2 dan 3 terpotong batas. Untuk menentukan
model terbaik, dapat dilakukan beberapa percobaan estimasi parameter dan uji
diagnose untuk model AR(1), AR(2), dan AR(3). Bandingkan beberapa model
tersebut meliputi signifikansi parameter, uji diagnose, dan nilai ketepatan model.