● Nilai ACF dan PACF hanya signifikan pada lag pertama dan tidak signifikan untuk data
lainnya sehingga menandakan tidak adanya perulangan/musiman didalamnya.
● Sehingga berdasarkan korelogram ACF dan PACF didapatkan model terbaiknya yaitu
ARIMA(0,1,0)
Penentuan Model ARIMA
Best model: ARIMA(0,1,0) Uji Signifikansi Parameter dari
Series: pln
model ARIMA (0,1,0) dengan
ARIMA(0,1,0)
sigma^2 estimated as 0.06466: log likelihood=-1.44 ● H0 : 0 = 0
AIC=4.88 AICc=5.02 BIC=6.24 ● H1 : 0 ≠ 0
Model Persamaan
● Yt = -0.017241 + Yt-1 + εt
MODEL ARIMA (0,1,0) (0,0,0) with drift
z test of coefficients:
Estimate Std. Error z value Pr(>|z|)
drift -0.017241 0.047109 -0.366 0.7144
AIC
6.742866
Dari hasil di atas, parameter dari ARIMA(0,1,0) signifikan sehingga model ini
dapat digunakan untuk proses peramalan dan random walk with drift sehingga
penentuan policy rate acak dan sulit diprediksi.
Peramalan dengan ARIMA(0,1,0)
Hasil Peramalan Policy Rate Norwegia
Point Forecast
2021.7 -0.01724138
● Menggunakan model ARIMA(0,1,0)
2021.8 -0.03448276 selama 2 periode ke depan yakni
Lo Hi bulan September dan Oktober 2021.
● Didapatkan policy rate Norwegia
2021.7 -0.3481111 0.3136284 selama bulan September dan
2021.8 -0.5024032 0.4334377 Oktober 2021 berada di kisaran
0.3-0.6%.
Lo Hi
Yt = -0.017241 + Yt-1 + εt
2. Dengan model tersebut maka model merupakan random walk with drift
sehingga penentuan policy rate acak dan sulit diprediksi.
3. Berdasarkan hasil peramalan dengan ARIMA(0,1,0) didapatkan policy rate
Norwegia selama bulan September dan Oktober 2021 berada di kisaran
0.3-0.6%.
4. Rendahnya tingkat suku bunga policy rate ini mempercepat pengembalian
output dan employment levels ke tingkat normal di tengah pandemi.
Preface Slide