TUGAS III

ANALSISI RUNTUN WAKTU

Arismansyah 041855712

t Zt
1 99.06
2 99.08
3 98.27
4 97.5
5 97.28
6 95.95
7 95.65
8 96.99
9 97.29
10 93.54
11 95.3
12 96.91
13 99.02
14 101.1
15 98.11
16 97.84
17 97.06
18 97.94
19 97.14
20 94.88
21 98
22 96.04
23 96.89
24 96.84
25 99.67
26 98.35
27 101.2
28 97.84
29 97.92
30 99.83
31 96.9
32 101.8
33 101.14
34 100.83
35 97.06
36 99
37 96.71
38 93.46
39 91.62
40 94
41 93.9
42 95.73
43 95.81
44 95.26
45 92.51

Tentukan Model ARIMA yang kiranya sesuai dengan data runtun waktu tsb diatas!

Jawaban:
 TUGAS III
ANALSISI RUNTUN WAKTU
Arismansyah 041855712

1. Cek stasioner terhadap ragam dengan melihat nilai rounded value

Karena nilai rounded value tidak sama dengan 1 maka perlu dilakukan transformasi.

2. Hasil Transformasi

Setelah transformasi, nilai rounded value = 1. Ini dapat dikatakan data sudah stasioner terhadap ragam
 TUGAS III
ANALSISI RUNTUN WAKTU
Arismansyah 041855712

3. melakukan pengecekan stasionaritas terhadap rata-rata melalui plot TRANS1

Karena fluktuasi data tidak berada disekitar rata-rata, maka harus dilakukan differencing.

4. hasil differencing

Plot data sudah berada disekitar rata-rata, sehingga dapat dikatakan stasioner terhadp rata-rata
 TUGAS III
ANALSISI RUNTUN WAKTU
Arismansyah 041855712

5. menentukan model ARIMA ACF dan PACF

ACF PACF

Berdasarkan nilai hasil ACF dan PACF, tidak ada plot yang keluar dari batas CI. Maka orde p dan q dapat diisi dengan
nilai 1. Sehingga model tentatifnya yaitu ARIMA (1,1,0); ARIMA (0,1,1); ARIMA (1,1,1)

6. menentukan model terbaik

Model (1,1,0) Model (0,1,1) Model (1,1,1)

Final estimates of parameters Final estimates of parameters Final estimates of parameters
Type Coef SE T- P- Type Coef SE T- P- Type Coef SE T- P-
Coef Value Value Coef Value Value Coef Value Value
AR 1 - 0,149 -2,15 0,037 MA 1 0,365 0,146 2,49 0,017 AR 1 0,582 0,163 3,58 0,001
0,321 Constant - 0,190 -0,66 0,513 MA 1 0,9587 0,0993 9,66 0,000
Constant - 0,299 -0,60 0,553 0,125 Constant - 0,0184 -1,40 0,169
0,179 0,0258

Residual sums of squares Residual sums of squares Residual sums of squares

DF SS MS DF SS MS DF SS MS
42 164,890 3,92595 42 164,010 3,90500 41 154,683 3,77275

Ketiga model signifikan < alfa 5%. Berdasarkan nilai MSE yang terkecil maka model terbaik adalah ARIMA (1,1,1)