Matakuliah Tahun Versi : I0224/Analisis Deret Waktu : 2007 : revisi Pertemuan 19-20 Pengujian analisis deret waktu 1 Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menerapkan analisis deret waktu 2 Outline materi • Penentuan keacakan data • Pengujian stasioner • Menghilangkan ketidakstasioneran 3 Penentuan keacakan • Apabila suatu model peramalan telah ditetapkan, autokorelasi galat dapat dihitung untuk menetapkan apakah data tersebut acak. 4 Lag 1 Autokorelasi -0.233 2 3 4 -0.375 -0.219 0.726 5 6 7 8 -0.177 -0.256 -0.177 0.532 r4=0.726 menunjukkan adanya pola dari nilai galat 5 Pengujian stasioner • Bentuk visual dari suatu plot data deret waktu seringkali cukup untuk menggambarkan apakah dat stasioner atau tidak • Plot autokorelasi dapat dengan mudah memperlihatkan ketidakstasioneran 6 • Nilai autokorelasi dari data stasioner akan turun sampai nol sesudah time-lag kedua atau ketiga • Sedangkan untuk data tidak stasioner nilai tersebut berbeda nyata dari nol • Grafik autokorelasi data yang tidak stasioner memperlihatkan trend searah diagonal dari kanan ke kiri bersama dengan meningkatnya jumlah ime-lag 7 Lag 1 2 Autokorelasi 0.889 0.765 3 4 5 0.631 0.509 0.4 6 7 8 9 0.313 0.23 0.188 0.149 10 0.108 Koefisien autokorelasi untuk deret yang tidak stasioner 8 Menghilangkan ketidakstasioneran Setiap trend menghasilkan autokorelasi positif yang mendominasi diagram autokorelasi Kebanyakan model diasumsikan stasioner Menghilangkan ketidakstasionean dapat dihilankan dengan pembedaan (differencing) 9 • Pembeda pertama X’t = Xt – Xt-1 • Pembeda kedua X”t = (Xt – Xt-1)-(Xt-1 – Xt-2) 10 Lag Autokorelasi 1 2 3 4 0.625 0.284 -0.045 -0.225 5 6 7 -0.188 -0.069 0.068 8 9 10 0.156 0.009 -0.037 Autokorelasi pembeda pertama dari data yang tidak stasioner 11 Pengenalan faktor musiman • Musiman didefinisikan sebagai suatu pola yang berulang-ulang dalam selang waktu yang tetap • Autokorelasi dengan lag-lag tertentu (misalnya lag 4,8,12) nyata berbeda dari nol maka data deretmmiliki sifat musiman tiap4 periode 12 Langkah analisis deret waktu • Plot data asli • Hitung nilai koefisien autokorelasi data asli • Bila nilainya turun cepat menandakan data stasioner. • Apabila autokorelasi menunjukkan ketidakstasioneran, lakukan pembeda pertama dari data asli • Hitung autokorelasinya 13 • Apabila tetap tidak stasioner setelah pembeda pertama, lakukan pembeda pertama lagi dan tetapkan autokorelasinya lagi • Apabila stsioneran telah diperoleh, hitung nilai autokorelasi yang lain untuk melihat apakah masih ada pola yang lain 14 Tiga kemungkinan yg harus dipertimbangkan • Mungkin faktor musim nampak – outokorelasi unuk time lag tertentu besar dan nyata berbeda dari nol • Mungkin terungkap adanya proses AR atau MA – pola autokorelasi parsial • Campuran dari ketidakstasioneran, musiman, AR dan MA mungkin akan terlihat 15 Rangkuman • Grafik autokorelasi berbeda dengan grafik data asli • Drafik data merupakan alat bantu menetapkan perilaku pola data • Autokorelasi menyatakan banyak hal tentang data 16
© Copyright 2024 Paperzz
