Tugasuas
Tugasuas
Harga estimasi dari koefisien, galat standar (standar error) koefisien, dan harga-harga
statistik untuk pengecekan diagnostik (beserta harga p-value untuk uji yang bersesuain di
dalam kurung) bagi model-model yang kita amati di atas dapat dirangkum dalam tabel
berikut.
1. Untuk Model ARIMA (1,1,1) , statistik uji t untuk koefisien kurang dari nilai statistik
tabel t (df=n-1=156-1; ∝=2,5 % ¿=1.97sehingga model ini dapat dikeluarkan dari
kemungkinan model.
2. Model overfitting ARIMA (2,1,0) dan ARIMA (0,1,2) memiliki koefisien a2 dan b2
yang tidak signifikan sehingga akan tereduksi menjadi model ARIMA (1,1,0) dan
ARIMA (0,1,1).
3. Model ARIMA (1,1,0)dan ARIMA (0,1,1) memiliki koefisien yang signifikan dan
memenuhi uji diagnostic tidak adanya korelasi serial pada residual. Dapat
disimpulkan berdasarkan RMSE dan AIC , model ARIMA (1,1,0) merupakan model
terbaik untuk data log (Word_Oil_Prices). Uji lebih lanjut mungkin dilakukan dengan
mengamati keakuratan hasil peramalan dari model ini pda data out of sample.
Nilai hasil penyuaian untuk data in sample dengan model ARIMA (1,1,0) dapat
diperoleh dengan fungsi tersuai, seperti berikut.
Berikut adalah plot data Word_Oil_Prices, nilai penyuaian in sample , serta nilai
prediksi dan interval keyakinan dengan model ARIMA (1,1,0) di atas.
10.4 Pemilihan Model Terbaik dengan Fungsi auto.arima
Pemilihan model terbaik dengan kriteria AIC juga dapat dilakukan secara
otomatis dengan fungsi auto.arima(), seperti contoh berikut.
Meskipun hasil model terbaik berbeda dengan anaisis yang dilakukan di awal,
terlihat dari TABEL 10.2 nilai RMSE dari model ARIMA (0,1,1) dan ARIMA (1,1,0)
hamper sama (berbeda hanyabpada digit keempat). Dengan demikian, kita bisa
menyimpulkan bahwa hasil penyuaian dari kedua model ini secara umum tidak
berbeda secara signifikan.