Home My courses AK2281 Analisis Deret Waktu (Dr.

Utriweni Mukhaiyar) 2021/2022 UTS

UTS - Bag.02

Started on Wednesday, 9 March 2022, 12:00 PM

State Finished
Completed on Wednesday, 9 March 2022, 12:46 PM
Time taken 46 mins 37 secs
Grade 19.29 out of 28.00 (69%)
Question 1
Complete

Mark 4.00 out of 5.00

Model ARMA(p,q) digunakan untuk merepresentasikan

sebuah deret waktu (time series).
Dalam
pemodelannya, pemeriksaan diagnostik (diagnostic
checking) merupakan tahap ketiga dan dilakukan untuk
menguji apakah model sudah ditentukan dengan benar.
Periksa kebenaran pernyataan
mengenai pemeriksaan diagnostik (diagnostic
checking) berikut.

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

Jika model ditentukan dengan benar, maka residual harus

menyerupai proses White- Noise
Benar

Jika model ditentukan dengan benar, maka autokorelasi

residual itu sendiri tidak berkorelasi,
peubah acak terdistribusi normal dengan
rata-rata 0 dan variansi T, ketika T adalah jumlah
Salah
pengamatan dalam deret waktu

Statistik Q, dengan Q = T diperkirakan berdistribusi Chi Square dengan (K – p

– q)
K 2
∑ ^
γ
k=1 k

derajat kebebasan Salah

Jika fungsi autokorelasi tidak ditandai berbeda, maka

langkah berikutnya adalah menganalisa
residual dari model Benar

The correct answer is:

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,

Jika model ditentukan dengan benar, maka residual harus

menyerupai proses White- Noise → Benar,

Jika model ditentukan dengan benar, maka autokorelasi

residual itu sendiri tidak berkorelasi, peubah acak
terdistribusi normal dengan
rata-rata 0 dan variansi T, ketika T adalah jumlah pengamatan dalam deret waktu
→ Salah,

Statistik Q, dengan Q=T \sum_{k=1}^K{ \hat{\gamma}_k^2} diperkirakan berdistribusi Chi Square dengan
(K – p
– q) derajat kebebasan

→ Benar,

Jika fungsi autokorelasi tidak ditandai berbeda, maka

langkah berikutnya adalah menganalisa residual dari
model → Benar
Question 2
Complete

Mark 10.29 out of 18.00

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

dengan μ=5, ϕ1 =0.5, ϕ2 =-0.4, dan variansi galat σe2 =9.

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

a. Prediksi curah hujan di bulan April adalah

7.6

One possible correct answer is: 7.6

, di bulan Mei adalah

4.8

One possible correct answer is: 4.8

 dan bulan Juni adalah 

4.36

One possible correct answer is: 4.36

 
b. Jika proses AR(2) dapat dinyatakan sebagai proses linier umum, Yt = et + ψ1 et−1 + ψ2 et−2 +. . . , maka nilai
ψ1 adalah ...

One possible correct answer is: 0.5

c. Selang prediksi 95% untuk bulan April 2021 adalah dengan batas bawah ...

1.72

One possible correct answer is: 1.6

dan batas atas ...

13.48

One possible correct answer is: 13.6

.
d. Jika ternyata rata-rata curah hujan bulan April adalah 11 dm, maka update forecast untuk bulan Mei 2021
adalah ...

6.5

One possible correct answer is: 6.5

Instruksi khusus:

Tulis jawaban lengkap dan runut di kertas yang sudah disediakan.

Jawaban yang diinput pada sistem hanyalah nilai akhir.
Nilai yang diinput menggunakan standar internasional (menggunakan notasi titik utk bilangan desimal).
Gunakan tingkat ketelitian tiga angka di belakang koma
Question 3
Complete

Mark 2.00 out of 2.00

Diketahui
model AR(1) dengan data sebagai berikut:
y1 = 2, 0; y2 = −1, 7; y3 = 1, 5; y4 = −2, 0; y5 = 1, 5

Diberikan nilai awal ε1 = 0; μ = 0; ρ 1 = 0, 5.

Tentukan nilai dari Sum of Squares, S 2

= ∑ (εt |ε1 = 0; μ = 0; ρ 1 = 0, 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

The correct answer is:

27
 Question 4
Complete

Mark 3.00 out of 3.00

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

Model yang mungkin cocok untuk kasus di atas adalah:

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)

The correct answer is: ARIMA(1,1,0)

Previous activity
◄ Unggah Berkas Jawaban UTS-Bag.01

Jump to...

Next activity
Unggah Berkas Jawaban UTS-Bag.02 ►

Stay in touch







 Data retention summary

 Get the mobile app