Tugas 2

Time Series Graphic

Disusun untuk Memenuhi Tugas Mata Kuliah Analisis Data Deret Waktu

Dosen : Resa Septiani Pontoh S.Si., M.A.B., M.Sc

Nama : Thifal Qotrunnada

NPM : 140610180090

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
2020
 Syntax, Output dalam Software R dan Interpretasi Grafik
install.packages("forecast")
install.packages("aTSA")
install.packages("ggfortify ")
install.packages("expsmooth ")
install.packages("fma ")
install.packages("fpp2")
install.packages("GGally")

library(forecast)
library(aTSA)
library(ggfortify)
library(expsmooth)
library(fma)
library(fpp2)
library(GGally)

1. Economy class passengers: Melbourne-Sydney

Interpretasi Grafik :
Gambar 2.1 Menunjukkan beban penumpang ekonomi mingguan di Ansett Airlines
antara dua kota terbesar di Austalia.
 Plot waktu mengungkapkan beberapa fitur menarik.
 Ada suatu masa pada tahun 1989 ketika tidak ada penumpang yang diangkut ,
karena perselisihan industri.
 Sempat terjadi pengurangan beban pada tahun 1992. Hal ini dikarenakan adanya
uji coba dimana beberapa kursi kelas ekonomi diganti dengan kursi kelas bisnis.
 Peningkatan besar dalam beban penumpang terjadi pada paruh kedua tahun 1991.
 Ada beberapa penurunan besar dalam beban sekitar awal setiap tahunnya, karena
efek liburan.
 Ada fluktuasi jangka panjang pada tingkat rangkaian yang meningkat selama
tahun 1987. menurun pada tahun 1989, dan meningkat lagi melalui tahun 1990 dan
1991.
 Ada beberapa periode observasi yang hilang.

2. Antidiabetic Drug Sales
 Interpretasi Grafik :
Gambar 2.2. Menunjukan deret waktu yang lebih sederhana.
Terdapat tren yang jelas dan meningkat. ada juga pola musiman yang kuat yang
bertambah besar seiring dengan peningkatan level rangkaian. penurunan tiba-tiba di
awal untuk setiap tahun disebabkan oleh skema subsidi pemerintah yang membuat
hemat biaya bagi pasien untuk menimbun obat di akhir tahun. semua prakiraan serial
ini perlu menangkap pola musiman, dan fakta bahwa tren berubah perlahan.

3. Seasonal Plot : Antidiabetic Drug Sales

Interpretasi Grafik :
Gambar 2.4. Menunjukan Plot musiman penjualan obat antidiabetik bulanan di
Australia
 Terlihat jelas bahwa terjadi lonjakan penjualan yang besar di bulan Januari setiap
tahunnya. sebenarnya, ini mungkin penjualan pada akhir desember sebagai persediaan
pelanggan sebelum akhir tahun , tetapi penjualan tidak didaftarkan pada pemerintah
sampai satu atau dua minggu kemudian. grafik juga menunjukkan bahwa ada jumlah
penjualan yang sangat kecil di bulan Maret 2008 (sebagian besar tahun lainnya
menunjukkan peningkatan antara bulan Februari dan Maret). Kecilnya angka
penjualan pada bulan Juni 2008 kemungkinan disebabkan oleh penghitungan
penjualan yang tidak lengkap pada saat data dikumpulkan.

4. Polar Seasonal Plot : Antidiabetic Drug Sales

Interpretasi Grafik :
Gambar 2.5. Petak kutub musiman penjualan obat antidiabetik bulanan di
Australia
Variasi pada plot musiman menggunakan koordinat kutub. Syntax polar=TRUE
membuat sumbu deret waktu melingkar daripada horizontal seperti yang ditunjukkan
di atas.

5. Seasional Subseries Plot : Antidiabetic Drug Sales

 Interpretasi Grafik :
Gambar 2.6. plot subseries musiman penjualan obat antidiabetik bulanan di
australia
Terdapat garis horizontal yang menunjukkan sarana untuk setiap bulan. Bentuk plot
ini memungkinkan pola musiman yang mendasarinya terlihat jelas, dan juga dapat
menahan perubahan musim dari waktu ke waktu. Hal ini sangat berguna dalam
mengidentifikasi perubahan dalam musim tertentu. Dalam contoh ini, plotnya tidak
mengungkapkan secara khusus, tetapi dalam kasus yang sama, ini adalah cara paling
berguna untuk melihat perubahan musiman dari waktu ke waktu.

6. Half-hourly Electricity Demand: Victoria, Australia.

 Interpretasi Grafik :
Gambar 2.7. Setengah jam kebutuhan listrik dan suhu di Victoria, Australia,
untuk tahun 2014.
Gambar 2.7 menunjukkan dua deret waktu: kebutuhan listrik setengah jam (dalam
gigawatt) dan suhu (dalam derajat celcius), pada tahun 2014 di victoria, australia.
suhu untuk melbourne, kota terbesar di victoria, sedangkan nilai permintaan untuk
seluruh negara bagian.

7. Half – hourly Electricity

Interpretasi Grafik :
Gambar 2.8. Setengah jam permintaan listrik diplot terhadap suhu untuk tahun
2014 di Victoria, Australia.
Suatu grafik dapat digunakan untuk melihat suatu hubungan dengan menggunakan
scatterplot. Pada grafik 7, scatterplot tersebut menunjukan hubungan antara
permintaan dan suhu. Dapat dilihat bahwa permintaan yang tinggi terjadi ketika suhu
juga tinggi karena pengaruh AC. Akan tetapi, terdapat pula efek pemanasan, dimana
permintaan akan meningkat saat suhu sangat rendah.

8. Quarterly Visitor Nights for Various Region of NSW, Australia

 Interpretasi Grafik :
Gambar 2.11. Malam pengunjung triwulanan untuk berbagai wilayah NSW,
Australia.
Jika ada beberapa variabel prediktor potensial, sebaiknya plot setiap variabel terhadap
variabel lainnya. Pada grafik ini terdapat lima plot deret waktu yang menunjukan
jumlah pengunjung triwulanan untuk lima wilayah di New South Wales, Australia.

9. A Scatterplot Matrix of Quarterly Visitor Nights for Various Region of NSW,

Australia

Interpretasi Grafik :
Gambar 2.12. Scatter Plot Matrix dari Malam Pengunjung Triwulanan untuk
Berbagai Wilayah NSW, Australia
Untuk setiap panel, variabel pada sumbu vertikal (sumbu y) diberi nama variabel pada
baris tersebut, sedangkan variabel pada sumbu horizontal (sumbu x) diberi nama
variabel pada kolom tersebut. Terdapat beberapa pilihan untuk menghasilkan plot
yang berbeda dalam setiap panel. Dalam versi default, korelasi ditampilkan di paruh
kanan atas plot, sedangkan diagram pencar (scatter plot) ditampilkan di paruh bawah.
Pada diagonal menunjukan plot densitas.
 Nilai dari matriks scatterplot memungkinkan tampilan cepat dari hubungan antara
semua pasang variabel. Dalam kasus ini, kolom kedua dari plot menunjukkan ada
hubungan positif yang kuat antara pengunjung pantai utara New South Wales dan
pengunjung pantai selatan New South Wales, tetapi tidak ada hubungan yang
terdeteksi antara pengunjung pantai utara New South Wales dan pengunjung ke
pedalaman selatan New South Wales. Pencilan juga bisa dilihat. Tidak ada satu
kuartal tinggi untuk wilayah Metropolitan New South Wales.

10. Lagged scatterplots for quarterly beer production

lag 1 lag 2 lag 3

500

450

400

lag 4 lag 5 lag 6

500 Quarter
1

450 2
3
4
400

lag 7 lag 8 lag 9

500

450

400

400 450 500 400 450 500 400 450 500

Interpretasi Grafik :
Gambar 2.13. Lagged Scatterplot untuk produksi bir triwulanan
Gambar di atas menampilkan scatterplots dari produksi beer Australia selama triwulan,
dimana sumbu horizontal menunjukkan nilai lagged dari deret waktu. Masing-masing grafik
menunjukkan yt diplot melawan yt-k untuk nilai selisihdari k. Warna-warna pada plot
mengindikasikanseperempat darivariabel pada sumbu vertical. Garis menghubungkan poin
pada urutan kronologis. Hubungan yang terbangun adalah positifkuat pada lag 4 dan 8,
merefleksikan musim yang kuat pada data. Hubungan negative terlihat untuk lag 2 dan 6
terjadi karena puncak pada Q4 diplot melalui Q2.

11. Series: beer2

 Interpretasi Grafik :
Gambar 2.14. Autocorelation Function of Quarterly Beer Production

Pengukuran autokorelasi hubungan linear antara lagged dan deret waktu sama seperti
pengukuran korelasi hubungan linear antara dua variabel.Berikut beberapa koefisien
autokorelasi, sesuai untuk tiap panel pada lag plot. Sebagaicontoh,r 1 mengukur
hubungan antara yt dan yt-1, r2 mengukur hubungan antara yt dan yt-2. Dan seterusnya.

Terdapat sembilan scatter plot pada lag scatterplot untuk data produksi beer Australia
selamatriwulan. Koefisien auto korelasi diplot untuk menunjukkan fungsi auto
korelasi (ACF / Autocorrelation Function). Plotnya diketahui sebagai correlogram.

Gambar di atas menunjukan :

 r4 lebih tinggi dari lag yang lain. Ini disebabkan oleh pola musiman pada data.
Puncaknya cenderung menjadi terpisah empat perempat dan palung cenderung
menjadi terpisah dua perempat
 r2 lebih negative dibandingkan dengan lag lainnya. Karena pzlung cenderung
menjadi dua perempat dibelakang puncak
 Garis biruputus-putus mengindikasikanapakah korelasi berbeda signifikandari 0.

12. Monthly Australian Electricity Demand From 1980-1995

 Interpretasi Grafik :
Gambar 2.15. Permintaan Listrik Bulanan Australia Dari 1980-1995

Ketika data memiliki trend, autokorelasi untuk lag yang kecil cenderung menjadi
besar dan positif karena observasi yang mendekati waktu akan mendekati ukuran
juga. Sehingga ACF dari deret waktu tren cenderung memiliki nilai yang positif yang
sedikit demi sedikit mengalami penurunan ketika lag nya mengalami kenaikan

Ketika datanya musiman, autokorelasi akan membesaruntuk lags musiman (pada

frekuensi musiman ganda) dibandingkan lag lainnya. Ketika datanya tren dan
musiman, akan didapatkan efek kombinasi. Permintaan Listrik Bulanan Australia
diplot dalam gambar.

13. Series : Aeiec

 Interpretasi Grafik :
Gambar 2.16. ACF permintaan listrik bulanan Australia
Penurunan ACF yang lambat sebagai lags kenaikan karena tren, sedangkan bentuk
"scalloped" karena musim.
14. White Noise

Interpretasi Grafik :
Gambar 2.17. A white noise time series
Untuk deret white noise, diharapkan untuk setiap autokorelasi mendekati nol. Akan
tetapi tidak akan persis sama dengan nol karena ada beberapa variasi acak untuk deret
white noise. Kami perkirakan 95% lonjakan di ACE berada dalam ± 2/ √ T di mana ini
adalah panjang deret waktu. Batas ini biasa dibuat pada grafik ACF (garis putus-
putus biru di atas). Jika satu atau lebih lonjakan berada di luar batas ini, atau jika
secara substansial lebih dari 5% lonjakan berada di luar batas ini, maka series tersebut
bukan white noise.

15. Series : y
Interpretasi Grafik :
Gambar 2.18. fungsi autokorelasi untuk White Noise Series
2
Dalam contoh ini, T = 50 dan batasnya berada pada ± =± 0.282. Semua koefisien
√ 50
autokorelasi berada dalam batas ini, memastikan bahwa datanya adalah white noise.