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
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.