MODEL DERET

WAKTU STASIONER
❖ Dual Relationship antara
Model AR dan MA

❖ MODEL ARMA
(Mixed Autoregressive
Moving Average Process)

1
Dual Relationship antara
AR(p) dan MA(q)
■ Model AR(p)
𝑌𝑡 = 𝜙1 𝑌𝑡−1 + 𝜙2 𝑌𝑡−2 + ⋯ + 𝜙𝑝 𝑌𝑡−𝑝 +𝑒𝑡
atau dapat ditulis :
𝜙𝑝 𝐵 𝑌𝑡 = 𝑒𝑡 (1)
Dimana : 𝜙𝑝 𝐵 : operator backward
𝜙𝑝 𝐵 = (1 − 𝜙1 𝐵 − ⋯ − 𝜙𝑝 𝐵 𝑝 )
Dengan 𝐵𝑌𝑡 = 𝑌𝑡−1 , 𝐵 2 𝑌𝑡 = 𝑌𝑡−2 , 𝐵 𝑝 𝑌𝑡 = 𝑌𝑡−𝑝
Persamaan (1) Dapat ditulis sebagai:
1
𝑌𝑡 = 𝑒 = 𝜓(𝐵)𝑒𝑡
𝜙𝑝 (𝐵) 𝑡
𝜓(𝐵) = 1 + 𝜓1 𝐵 + 𝜓2 𝐵 2 + ⋯ . sehingga 𝜙𝑝 𝐵 𝜓 𝐵 = 1
2
Dual Relationship antara
AR(p) dan MA(q)
■ Misal Model AR(2):
1 2
𝑌𝑡 = 𝑒𝑡 = 1 + 𝜓1 𝐵 + 𝜓2 𝐵 + ⋯ . 𝑒𝑡
(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 )

(1 − 𝜙1 𝐵 − 𝜙2 𝐵 2 ) 1 + 𝜓1 𝐵 + 𝜓2 𝐵 2 + ⋯ . = 1

1 + 𝜓1 𝐵 + 𝜓2 𝐵 2 + ⋯
−𝜙1 𝐵 −𝜓1 𝜙1 𝐵 2 + 𝜓2 𝜙1 𝐵 3 + ⋯
−𝜙2 𝐵 2 − 𝜓1 𝜙2 𝐵 2 − ⋯ = 1

3
 1 + 𝜓1 𝐵 + 𝜓2 𝐵2 + ⋯
−𝜙1 𝐵 −𝜓1 𝜙1 𝐵2 + 𝜓2 𝜙1 𝐵3 + ⋯
−𝜙2 𝐵2 − 𝜓1 𝜙2 𝐵2 − ⋯ = 1

■ 𝜓𝑗 diperoleh sebagai berikut:

𝐵1 : 𝜓1 − 𝜙1 = 0 → 𝜓1 = 𝜙1
𝐵 2 : 𝜓2 − 𝜓1 𝜙1 − 𝜙2 = 0 → 𝜓2 = 𝜓1 𝜙1 + 𝜙2 = 𝜙12 + 𝜙2
𝐵 3 : 𝜓3 − 𝜓2 𝜙1 − 𝜓1 𝜙2 = 0 → 𝜓3 = 𝜓2 𝜙1 + 𝜓1 𝜙2
Dst
𝑢𝑛𝑡𝑢𝑘 𝑗 ≥ 2 → 𝜓𝑗 = 𝜓𝑗−1 𝜙1 + 𝜓𝑗−2 𝜙2
Dimana : 𝜓0 = 1
Ketika 𝜙2 = 0, 𝑚𝑎𝑘𝑎
1
𝑌𝑡 = 𝑒𝑡 = 1 + 𝜙1 𝐵 + 𝜙12 𝐵2 + ⋯ . 𝑒𝑡
(1 − 𝜙1 𝐵)
❖ Proses AR stasioner order finite equivalen dengan proses MA order
infinite
4
Dual Relationship antara
AR(p) dan MA(q)
■ Model MA(q) invertible
𝑌𝑡 = 𝑒𝑡 − 𝜃1 𝑒𝑡−1 − 𝜃2 𝑒𝑡−2 − ⋯ − 𝜃𝑝 𝑒𝑡−𝑝
atau dapat ditulis :
𝑌𝑡 = 𝜃𝑞 𝐵 𝑒𝑡 (1)
Dimana : 𝜃𝑞 𝐵 : operator backward
𝜃𝑞 𝐵 = (1 − 𝜃1 𝐵 − ⋯ − 𝜃𝑞 𝐵𝑞 )
Persamaan (1) Dapat ditulis sebagai:
1
𝜋 𝐵 𝑌𝑡 = 𝑌 = 𝑒𝑡
𝜃𝑞 (𝐵) 𝑡
𝜋(𝐵) = 1 + 𝜋1 𝐵 + 𝜋2 𝐵2 + ⋯ . sehingga 𝜃𝑞 (𝐵)𝜋 𝐵 = 1

5
Dual Relationship antara
AR(p) dan MA(q)
■ Misal Model MA(2):
2
1
1 − 𝜋1 𝐵 − 𝜋2 𝐵 − ⋯ . 𝑌𝑡 = 𝑌 = 𝑒𝑡
(1 − 𝜃1 𝐵 − 𝜃2 𝐵 2 ) 𝑡

(1 − 𝜃1 𝐵 − 𝜃2 𝐵 2 ) 1 − 𝜋1 𝐵 − 𝜋2 𝐵 2 − ⋯ . = 1

1 − 𝜋1 𝐵 − 𝜋2 𝐵 2 − ⋯ .
−𝜃1 𝐵 +𝜋1 𝜃1 𝐵 2 + 𝜋2 𝜃1 𝐵 3 + ⋯
−𝜃2 𝐵 2 + 𝜋1 𝜃2 𝐵 2 + ⋯ = 1

6
 1 − 𝜋1 𝐵 − 𝜋2 𝐵 2 − ⋯ .
−𝜃1 𝐵 +𝜋1 𝜃1 𝐵 2 + 𝜋2 𝜃1 𝐵 3 + ⋯
−𝜃2 𝐵 2 + 𝜋1 𝜃2 𝐵 2 + ⋯ = 1

■ 𝜋𝑗 diperoleh sebagai berikut:

𝐵1 : −𝜋1 − 𝜃1 = 0 → 𝜋1 = −𝜃1
𝐵 2 : −𝜋2 + 𝜋1 𝜃1 − 𝜃2 = 0 → 𝜋2 = 𝜋1 𝜃1 − 𝜃2 = −𝜃12 − 𝜃2
𝐵 3 : −𝜋3 + 𝜋2 𝜃1 + 𝜋1 𝜃2 = 0 → 𝜋3 = 𝜋2 𝜃1 + 𝜋1 𝜃2
Dst
𝑢𝑛𝑡𝑢𝑘 𝑗 ≥ 3 → 𝜋𝑗 = 𝜋𝑗−1 𝜃1 + 𝜋𝑗−2 𝜃2

Ketika 𝜃2 = 0, 𝑚𝑎𝑘𝑎 𝑚𝑒𝑛𝑗𝑎𝑑𝑖 𝑀𝐴 1 , 𝜋𝑗 = −𝜃1𝑗 , 𝑗 ≥ 1

1
1 + 𝜃1 𝐵 + 𝜃12 𝐵2 + ⋯ . 𝑌𝑡 = 𝑌 = 𝑒𝑡
(1 − 𝜃1 𝐵) 𝑡

❖ Proses MA invertible order finite equivalen dengan proses AR order

infinite
7
Dual Relationship antara
AR(p) dan MA(q)
■ Misalkan
(1) 𝑌𝑡 = 𝑒𝑡 + 2𝑒𝑡−1
(2) 𝑌𝑡 = 𝑒𝑡 + 1/2𝑒𝑡−1
■ Model manakah yang invertible ????

8
 Model ARMA(p,q)

■ 𝑌𝑡 disebut proses/model Autoregressive Moving Average dengan

order p dan q atau ditulis model ARMA(p,q) sebagai berikut:
𝑌𝑡 = 𝜙1 𝑌𝑡−1 + 𝜙2 𝑌𝑡−2 + ⋯ + 𝜙𝑝 𝑌𝑡−𝑝 + 𝑒𝑡 − 𝜃1 𝑒𝑡−1 − 𝜃2 𝑒𝑡−2 − ⋯ − 𝜃𝑞 𝑒𝑡−𝑞

■ Atau dapat ditulis sebagai:

𝜙𝑝 (𝐵)𝑌𝑡 = 𝜃𝑞 𝐵 𝑒𝑡 𝜙𝑝 𝐵 = (1 − 𝜙1 𝐵 − ⋯ − 𝜙𝑝 𝐵𝑝 )
𝜃𝑞 𝐵 = (1 − 𝜃1 𝐵 − ⋯ − 𝜃𝑞 𝐵𝑞 )

Dimana : 𝜙𝑝 𝐵 ; 𝜃𝑞 𝐵 : operator backward

(1 − 𝜙1 𝐵 − ⋯ − 𝜙𝑝 𝐵𝑝 ) 𝑌𝑡 = 1 − 𝜃1 𝐵 − ⋯ − 𝜃𝑞 𝐵𝑞 𝑒𝑡
𝑌𝑡 − 𝜙1 𝐵𝑌𝑡 − ⋯ − 𝜙𝑝 𝐵𝑝 𝑌𝑡 = 𝑒𝑡 − 𝜃1 𝐵𝑒𝑡 − ⋯ − 𝜃𝑞 𝐵𝑞 𝑒𝑡
𝑌𝑡 − 𝜙1 𝑌𝑡−1 − ⋯ − 𝜙𝑝 𝑌𝑡−𝑝 = 𝑒𝑡 − 𝜃1 𝑒𝑡−1 − ⋯ − 𝜃𝑞 𝑒𝑡−𝑞

9
 Model ARMA(p,q)

■ Agar proses invertible, diperlukan akar dari 𝜃𝑞 𝐵 =0 bernilai lebih

dari satu (lie outside the unit circle atau exceed 1 in modulus)
■ Agar proses stasioner, diperlukan akar dari 𝜙𝑝 𝐵 =0 bernilai lebih
dari satu (lie outside the unit circle atau exceed 1 in modulus)
■ Model ARMA stasioner dan invertible dapat dinyatakan sebagai
representasi AR :
𝜋(𝐵)𝑌𝑡 = 𝑒𝑡 𝜙𝑝 𝐵
𝜋 𝐵 = = 1 − 𝜋1 𝐵 − 𝜋2 𝐵2 − ⋯ .
𝜃𝑞 𝐵
■ Dan representasi MA :
𝑌𝑡 = 𝜓 𝐵 𝑒𝑡 𝜃𝑞 𝐵
𝜓 𝐵 = = 1 + 𝜓1 𝐵 + 𝜓2 𝐵2 + ⋯ .
𝜙𝑝 𝐵

10
 Model ARMA(1,1)

■ Model ARMA(1,1) sebagai berikut:

𝑌𝑡 = 𝜙𝑌𝑡−1 + 𝑒𝑡 − 𝜃𝑒𝑡−1 (4.4.2)
■ Atau dapat ditulis : (1 − 𝜙𝐵)𝑌𝑡 = (1 − 𝜃𝐵)𝑒𝑡
■ Asumsi : 𝜙 < 1 (stasioner) dan 𝜃 < 1 (invertible)
■ Untuk menurunkan persamaan Yule-Walker, perlu diketahui
terlebih dahulu :
𝐸(𝑒𝑡 𝑌𝑡 ) = 𝐸 𝑒𝑡 𝜙𝑌𝑡−1 + 𝑒𝑡 − 𝜃𝑒𝑡−1
= 𝜙𝐸[𝑒𝑡 𝑌𝑡−1 ] + 𝐸 𝑒𝑡 𝑒𝑡 − 𝜃𝐸(𝑒𝑡 𝑒𝑡−1 )
= 0 + 𝜎𝑒2 − 0 = 𝜎𝑒2
𝐸(𝑒𝑡−1 𝑌𝑡 ) = 𝐸 𝑒𝑡−1 𝜙𝑌𝑡−1 + 𝑒𝑡 − 𝜃𝑒𝑡−1
= 𝜙𝐸[𝑒𝑡−1 𝑌𝑡−1 ] + 𝐸 𝑒𝑡−1 𝑒𝑡 − 𝜃𝐸(𝑒𝑡−1 𝑒𝑡−1 )
= 𝜙𝜎𝑒2 − 𝜃𝜎𝑒2 = 𝜙 − 𝜃 𝜎𝑒2

11
𝑌𝑡 = 𝜙𝑌𝑡−1 + 𝑒𝑡 − 𝜃𝑒𝑡−1 (4.4.2) 𝐸(𝑒𝑡 𝑌𝑡 ) = 𝜎𝑒2 𝐸(𝑒𝑡−1 𝑌𝑡 ) = 𝜙 − 𝜃 𝜎𝑒2

Jika persamaan (4.4.2) dikalikan dengan 𝑌𝑡−𝑘 dan dicari

nilai harapannya, maka didapatkan:
𝑌𝑡−𝑘 𝑌𝑡 = 𝜙𝑌𝑡−𝑘 𝑌𝑡−1 + 𝑌𝑡−𝑘 𝑒𝑡 − 𝜃𝑌𝑡−𝑘 𝑒𝑡−1
𝐸(𝑌𝑡−𝑘 𝑌𝑡 ) = 𝜙𝐸(𝑌𝑡−𝑘 𝑌𝑡−1 ) + 𝐸(𝑌𝑡−𝑘 𝑒𝑡 ) − 𝜃𝐸(𝑌𝑡−𝑘 𝑒𝑡−1 )
𝑘 = 0, 𝐸(𝑌𝑡 𝑌𝑡 ) = 𝜙𝐸(𝑌𝑡 𝑌𝑡−1 ) + 𝐸(𝑌𝑡 𝑒𝑡 ) − 𝜃𝐸(𝑌𝑡 𝑒𝑡−1 )
𝛾0 = 𝜙𝛾1 + 𝜎𝑒2 − 𝜃(𝜙 − 𝜃)𝜎𝑒2
𝛾0 = 𝜙𝛾1 + [1 − 𝜃(𝜙 − 𝜃)]𝜎𝑒2
𝑘 = 1, 𝐸(𝑌𝑡−1 𝑌𝑡 ) = 𝜙𝐸(𝑌𝑡−1 𝑌𝑡−1 ) + 𝐸(𝑌𝑡−1 𝑒𝑡 ) − 𝜃𝐸(𝑌𝑡−1 𝑒𝑡−1 )
𝛾1 = 𝜙𝛾0 + 0 − 𝜃 𝜎𝑒2 = 𝜙𝛾0 − 𝜃 𝜎𝑒2
𝑘 = 2, 𝐸(𝑌𝑡−2 𝑌𝑡 ) = 𝜙𝐸(𝑌𝑡−2 𝑌𝑡−1 ) + 𝐸(𝑌𝑡−2 𝑒𝑡 ) − 𝜃𝐸(𝑌𝑡−2 𝑒𝑡−1 )
𝛾2 = 𝜙𝛾1 + 0 − 0 = 𝜙𝛾1
𝑘 ≥ 2, 𝛾𝑘 = 𝜙𝛾𝑘−1
Selesaikan dua persamaan pertama yang menghasilkan,
𝛾0 = 𝜙𝛾1 + [1 − 𝜃(𝜙 − 𝜃)]𝜎𝑒2 (1)
𝛾1 = 𝜙𝛾0 − 𝜃 𝜎𝑒2 (2)
𝛾0 = 𝜙(𝜙𝛾0 − 𝜃 𝜎𝑒2 ) + [1 − 𝜃(𝜙 − 𝜃)]𝜎𝑒2
𝛾0 = 𝜙 2 𝛾0 − 𝜙𝜃 𝜎𝑒2 + [1 − 𝜃(𝜙 − 𝜃)]𝜎𝑒2
𝛾0 (1 − 𝜙 2 ) = −𝜙𝜃 𝜎𝑒2 + 𝜎𝑒2 − 𝜙𝜃𝜎𝑒2 + 𝜃 2 𝜎𝑒2
𝛾0 (1 − 𝜙 2 ) = 𝜎𝑒2 − 2 𝜙𝜃𝜎𝑒2 + 𝜃 2 𝜎𝑒2 = (1 − 2 𝜙𝜃 + 𝜃 2 )𝜎𝑒2
(1 − 2 𝜙𝜃 + 𝜃 2 )𝜎𝑒2
𝛾0 =
(1 − 𝜙 2 )
Untuk mendapatkan autokorelasi :
𝛾1 = 𝜙𝛾0 − 𝜃 𝜎𝑒2
(1 − 2 𝜙𝜃 + 𝜃 2 )𝜎𝑒2
𝛾0 =
(1 − 𝜙 2 )
(1 − 2 𝜙𝜃 + 𝜃 2 )𝜎𝑒2
𝛾1 = 𝜙 2
− 𝜃 𝜎𝑒2
(1 − 𝜙 )
(1−2 𝜙𝜃+𝜃 2 )𝜎𝑒2 (1−𝜙2 )
Samakan penyebutnya : 𝛾1 = 𝜙 2 − 2 𝜃 𝜎𝑒2
(1−𝜙 ) (1−𝜙 )
𝜙 1 − 2 𝜙𝜃 + 𝜃 𝜎𝑒 − (1 − 𝜙 2 )𝜃𝜎𝑒2
2 2
𝛾1 =
(1 − 𝜙 2 )
𝜙𝜎𝑒2 − 2 𝜙 2 𝜃𝜎𝑒2 + 𝜙𝜃 2 𝜎𝑒2 − 𝜃𝜎𝑒2 + 𝜙 2 𝜃𝜎𝑒2
𝛾1 =
1 − 𝜙2
𝜙𝜎𝑒2 − 𝜙 2 𝜃𝜎𝑒2 + 𝜙𝜃 2 𝜎𝑒2 − 𝜃𝜎𝑒2
=
1 − 𝜙2
(1−𝜙𝜃)(𝜙−𝜃)𝜎𝑒2 𝛾1 (1−𝜙𝜃)(𝜙−𝜃)𝜎𝑒2 (1−2 𝜙𝜃+𝜃 2 )𝜎𝑒2 (1−𝜙𝜃)(𝜙−𝜃)
𝛾1 = → 𝜌1 = = ൗ =
1−𝜙2 𝛾0 1−𝜙2 (1−𝜙2 ) (1−2 𝜙𝜃+𝜃 2 )
𝑘 ≥ 2, 𝛾𝑘 = 𝜙𝛾𝑘−1

(1−𝜙𝜃)(𝜙−𝜃)𝜎𝑒2
𝛾𝑘 = 𝜙𝛾𝑘−1 , 𝛾1 = 1−𝜙 2
(1 − 𝜙𝜃)(𝜙 − 𝜃)𝜎𝑒2
𝛾2 = 𝜙 𝛾1 = 𝜙
1 − 𝜙2
𝛾2 (1−𝜙𝜃)(𝜙−𝜃)𝜎𝑒2 (1−2 𝜙𝜃+𝜃2 )𝜎𝑒2 (1−𝜙𝜃)(𝜙−𝜃)
→ 𝜌2 = 𝛾0
= 𝜙 1−𝜙2
ൗ (1−𝜙2 )
= (1−2 𝜙𝜃+𝜃2 ) 𝜙
(1−𝜙𝜃)(𝜙−𝜃)
→ 𝜌𝑘 = 𝜙 𝑘−1 , 𝑘 ≥ 1
(1−2 𝜙𝜃+𝜃2 )
Model ARMA(1,1)

16
Model ARMA(1,1)

17
Model ARMA(1,1)

18
Model ARMA(1,1)

19
Model ARMA(1,1)

20
Model ARMA(1,1)

21
Model ARMA(1,1)

22
Model ARMA(1,1)

■ Fungsi autokorelasi menurun secara eksponensial dengan

semakin bertambahnya lag k
■ 𝜙 adalah Faktor damping , menurun secara eksponensial dari
nilai awal ρ1, yang juga tergantung pada θ.
■ Berbeda dengan ACF dari AR(1) yang juga menurun dengan
damping 𝜙 tetapi selalu dari nilai awal ρ0 = 1.
■ Misal : 𝜙 = 0.8 dan θ = 0.4, maka ρ1 = 0.523, ρ2 = 0.418, ρ3
= 0.335, dan seterusnya
■ ρk memungkinkan mempunyai beberapa bentuk, tergantung
pada tanda dari ρ1 dan tanda dari 𝜙.

23
Tugas

■ Buku Cryer Hal 81 - No 4.2; 4.5; 4.7; 4.10; 4.11

24