Konsep ARIMA
ARIMA disebut juga metode Box-Jenkins, yang merupakan suatu teknik yang mengabaikan independent variable dalam melakukan peramalan, sehingga; ARIMA hanya menggunakan nilai-nilai sekarang dan masa lalu dari dependent variable untuk melakukan peramalan jangka pendek. Perbedaannya dengan metode lain karena metode ini tidak mengasumsikan pola tertentu dalam data historis dari series yang akan diforecast.
Estimasi Parameter Model Terpilih secara Tentatif Uji Kecukupan Model (Adequacy Test)
Model ARIMA terbaik, adalah model ARIMA yang memiliki: Signifikansi t-stat untuk seluruh suku AR dan MA dalam persamaan. Probabilita t-stat dari setiap koefisien lebih kecil dari 0.1 (asumsi =10%). Nilai inverted root matriks (IRM) suku AR dan MA, |IRM| <1 Nilai residual yang bebas otokorelasi. Yaitu nilai koefisien korelasi |AC| dan |PAC| yang lebih kecil dari 0.5; dan probabilita Q-stat seluruh variabel selang yang lebih besar dari 0.1. Memiliki nilai Schwarz Criterion atau Akaike Information Criterion (AIC) terkecil.
yt 0 0 . yt 1 t Pengujian Stasioneritas: Merupakan inspeksi visual atas series: view line graph
Pengujian Statistik: Augmented Dickey Fuller Test E-views: View Unit Root Test (ADF) ADF stat sebesar -2.549886 nilainya secara absolut lebih kecil dari MacKinnon critical value data memiliki unit root (tidak stasioner) pada level. Lakukan kembali pengujian unit root, tetapi kali ini pada tingkat 1st difference:
To Do
Do the ARIMA (1,2,0), store it! B Do the ARIMA (0,2,1), store it! C COMPARE THEM ALL | OK
d(d(gdpriil)) c MA(1)
Significance: | AR(1) Stasionerity of residual: | Q-statistic/ Correlogram/ DW: Adj-R2: | ARI AIC: | ARI
| Tdk OK |
Sekarang ADF stat secara absolut lebih besar daripada critical value Tolak Ho (tolak hipotesa bahwa ada unit root alias tidak stasioner) bentuk data yang stasioner pada first difference. Secara tidak langsung ordo integrasi pun telah ditemukan, yaitu d = 1. Berikutnya adalah penentuan ordo suku AR dan MA.
10
Pengujian correlogram: View Correlogram (lakukan sesuai dengan hasil derajat integrasi) Biarkan Eviews menentukan panjang lag maksimum-ok Dari grafik batang AC: pelanggaran garis batas terjadi pada lag 1, 8, dan 12 kandidat MA (1). Dari grafik batang PAC: pelanggaran garis batas juga terjadi pada lag 1 kandidat AR (1). 3 kandidat model: ARIMA (1,1,1); ARIMA (1,1,0)/ARI (1); dan ARIMA (0,1,1)/IMA (1). Selanjutnya adalah penentuan model terbaik.
Untuk mendapatkan filenya silakan kunjungi: qiyara.ipromart.co.id 11
Estimasi Parameter
Model ARIMA (1,1,1): quick-estimate equation-ketikkan: d(gdp) c AR(1) MA(1) Repeat: Model ARI (1): d(gdp) c AR(1), dan Repeat: IMA (1): d(gdp) c MA(1)
12
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
13
Hasil Estimasi: suku AR signifikan. Didukung lebih lanjut dg. nilai |IRM|<1 Kandididat OK Perlu diuji lebih lanjut dengan pengujian otokorelasi.
MODEL ARI(1) Dependent Variable: D(GDP) Variable Coefficient C AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots 23.44152 0.317238 0.101516 0.090820 34.26717 98636.06 -424.9570 2.034425 .32
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
14
Hasil Estimasi: suku MA signifikan. Didukung lebih lanjut dg. nilai |IRM|<1 Kandididat OK Perlu diuji lebih lanjut dengan: Pengujian otokorelasi.
MODEL IMA(1) Dependent Variable: D(GDP) Variable C MA(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted MA Roots Coefficient 22.79699 0.258489 0.080866 0.070053 34.65297 102070.4 -430.8843 1.911491 -.26 Std. Error 4.666371 0.104582 t-Statistic 4.885378 2.471642 Prob. 0.0000 0.0154 22.93333 35.93448 9.951364 10.00805 7.478367 0.007598
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
15
View
Residual
Test
16
Kedua model OK: terlihat dari ketidaksignifikanan nilai Q-stat di setiap lag. Maka langkah terakhir pemilihan model akan bergantung pada nilai SC yang lebih kecil:
ARI (1) memiliki nilai SC sebesar 9.986. IMA (1) sebesar 10.00805.
17
Peramalan
Tipe Peramalan:
Back Cast Fore Cast Theil inequality coefficient < 0.2 Bias proportion < 0.2 Variance proportion < 0.2 Nilai covariance proportion mendekati 1.
18
Terlihat bahwa nilai bias proportion nilainya 0.053880 (dibawah 0.2), sementara covariance proportion 0.856076 (hampir mendekati 1), maka model ini dapat meramal nilai GDP kedepan.
19
Peramalan: Aplikasi
Pada menu utama Eviews click procs-change workfile range-ubah end date menjadi 1992.1, karena bentuk data yang kuartalan-ok. Ubah juga sampel data, procs-sample-ubah end date menjadi 1992.1-ok. Procs Make model Solve
20