download

Matakuliah
Tahun
Versi
: I0224/Analisis Deret Waktu
: 2007
: revisi
Pertemuan 17-18
Metodologi analisis
1
Learning Outcomes
Pada akhir pertemuan ini, diharapkan mahasiswa
akan mampu :
• menunjukkan alat metodologi analisis
deret waktu
2
Outline materi
• Plot data
• Koefisien autokorelasi
• Koefisien autokorelasi parsial
3
Plot data
• Langkah pertama yang baik untuk menganalisis data
deret waktu adalah membuat grafik data
• Plot data aslinya
• Plot data moving average
• Perhatikan adanye kecenderung: trend atau
musiman
4
Koef. autokorelasi
• Korelasi deret waktu dengan dengan deret waktu itu
sendiri dengan selisih waktu (time lag)1, 2 atau lebih
periode.
• Koefisien autokorelasi dengan time lag k
•
∑ (Yt- Ybar)(Yt+k – Ybar)
• rk = --------------------------------∑(Yt – Ybar)2
5
Sebaran autokorelasi
• Koefisien autokorelasi dari data acak
mempounyai sebaran mendekati kurva
normal dengan nilai tengah nol dan
simpangan baku 1/√n
6
Sebaran autokorelasi
• Uji Box-Pierce untuk sekumpulan nilai rk
didasarkan pada statistik Q
m
• Q = n ∑ rk2
k=1
Memiliki sebaran Khi-Kuadrat dengan
derajad bebas m
7
Periode Nilai
1
2
3
aktual
23
59
36
4
5
6
Periode Nilai
Periode Nilai
13
14
15
aktual
86
33
90
25
26
27
aktual
17
45
9
99
36
74
16
17
18
74
7
54
28
29
30
72
33
17
7
8
9
30
54
17
19
20
21
98
50
86
31
32
33
3
29
30
10
11
12
36
89
77
22
23
24
90
65
20
34
35
36
68
87
44
8
Dari data tersebut
diperoleh koefisien
autokorelasi sbb:
Lag
Autokorelasi
1
2
3
4
0.103
0.099
-0.043
-0.031
5
6
7
-0.183
0.025
0.275
8
9
10
-0.004
-0.011
-0.152
9
• Standar deviasi bagi autokorelasi
• 1/√n = 1/√36 = 0.167
• Jika autokorelasi=0, maka dengan selang
kepercayaan 95% nilai
-1.96 (0.167) < rk < 1.96 (0.167
-0.327 < rk < 0.327
10
• Dari hasil analisis autokorelasi dari lag 1
hingga 10, ternyata nilainya tidak
termasuk dalam selang kepercayaan
• Sehingga data dapat dikatakan bersifat
acak (random)
11
Lag
Autokorelasi
1
2
3
4
0.103
0.099
-0.043
-0.031
5
6
7
-0.183
0.025
0.275
8
9
10
-0.004
-0.011
-0.152
Nilai Box-Pierce
Q= 36 Σrk2 = 5.62
12
Uji sekumpulan rk
• Nilai Khi-kuadrat dengan derajat bebas
m=10 dan alpha=0.05 adalah 18.3070
• Nilai Q=5.62 < 18.3070 maka ke sepuluh
rk tidak berbeda dari nol
(autokorelasi tidak nyata)
13
Analisis spektral
• Salah satu cara ntuk menganalisis data
deret waktu adalah menguraikan data
dalam himpunan gelombang sinus
• Deret waktu yang terdiri dari N buah dapat
dicocokkan ke sejumlah gelombang sinus
• Apabila n ganjil, paling banyak dapat
dicocokkan (N-1)/2 gelombang sinus
• Apabila genap, paling banyak (N-2)/2
gelombang sinus
14
Koefisien korelasi parsial
• Autokorelasi parsial digunakan untuk
mengukur tingkat keeratan antara Xt dan
Xt-k, apabila pengaruh dari time lag
1,2,3,..sampai (k-1) dianggap terpisah
• Dapat membantu menetapkan model
ARIMA yang tepat untuk peramalan
15
Rangkuman
• Penetapan model peramalan deret waktu
dapat diidentifikasi melalui besaran
autokorelasi dari beberapa time lag
16