UTS - Bag.02
Fungsi autokorelasi untuk deret simulasi / simulated series (deret waktu / time series yang
dihasilkan oleh
model) seharusnya dapat dibandingkan dengan fungsi autokorelasi sampel
Benar
dari
deret asli / original series
Fungsi autokorelasi untuk deret simulasi / simulated series (deret waktu / time series yang dihasilkan oleh
model) seharusnya dapat dibandingkan dengan fungsi autokorelasi sampel dari
deret asli / original series →
Benar,
Statistik Q, dengan Q=T \sum_{k=1}^K{ \hat{\gamma}_k^2} diperkirakan berdistribusi Chi Square dengan
(K – p
– q) derajat kebebasan
→ Benar,
Misalkan nilai rata-rata curah hujan bulanan (dalam mm) di suatu daerah mengikuti model AR(2):
Yt = μ + ϕ1 Yt−1 + ϕ2 Yt−2 + et
Jika rata-rata curah hujan di bulan Januari, Februari, dan Maret tahun 2021 (dalam dm) di daerah tersebut
berturut-turut adalah 4, 6, dan 10,
maka
7.6
b. Jika proses AR(2) dapat dinyatakan sebagai proses linier umum, Yt = et + ψ1 et−1 + ψ2 et−2 +. . . , maka nilai
ψ1 adalah ...
c. Selang prediksi 95% untuk bulan April 2021 adalah dengan batas bawah ...
1.72
.
d. Jika ternyata rata-rata curah hujan bulan April adalah 11 dm, maka update forecast untuk bulan Mei 2021
adalah ...
6.5
Instruksi khusus:
Diketahui
model AR(1) dengan data sebagai berikut:
y1 = 2, 0; y2 = −1, 7; y3 = 1, 5; y4 = −2, 0; y5 = 1, 5
Instruksi :
tulis jawaban dengan runut di kertas. Nilai akhir yang diperoleh diinputkan ke dalam sistem.
Total poin 10 (2 poin utk hasil, 8 poin utk proses)
a. 15
b. 24
c. 1
d. 27
e. 18
Indeks
produksi industri merupakan salah satu indikator untuk mengukur besar keluaran
dari sektor industri
termasuk sektor manufaktur, pertambangan, perminyakan, dan
listrik setiap bulannya. Indeks produksi industri
memiliki dampak yang cukup
signifikan pada tingkat konsumsi suatu negara, sehingga dapat mempengaruhi
tingkat inflasi. Oleh karena itu, penting bagi Bank Sentral (misak Bank
Indonesia) sebagai Bank regulasi untuk
mengetahui prediksi besar indeks
produksi industri. Dilakukan pengamatan indeks produksi industri ({Yt } )
selama 100 bulan, dan diperoleh nilai ACF dan PACF sampel, masing-masing untuk data asli (Yt ) dan
diferensinya (Wt = Yt − Yt−1 ) sebagai berikut:
Lag ke-k 1 2 3 4 5 6 7 8 9
r k (Yt ) 0.9596 0.9129 0.8641 0.8116 0.7588 0.7058 0.6517 0.5945 0.5340
^
ϕ (Yt ) 0.9745 0.5610 0.0076 0.0590 0.1100 0.1787 0.0230 0.0587 0.1009
kk
r k (Wt )
0.5927 0.3545 0.1825 0.0326 0.0943 0.1064 0.1342 0.1794 0.062
^
ϕ (Wt )
0.6027 0.0101 0.0533 0.0985 0.1991 0.0114 0.0699 0.0974 0.1446
kk
Select one:
a. ARIMA(0,0,1)
b. ARIMA(2,0,0)
c. ARIMA(1,1,0)
d. ARIMA(1,0,0)
e. ARIMA(1,1,2)
Previous activity
◄ Unggah Berkas Jawaban UTS-Bag.01
Jump to...
Next activity
Unggah Berkas Jawaban UTS-Bag.02 ►
Stay in touch