Peramalan dengan Time Series (ARIMA chap.3)

By Dimas Nugroho Dwi Seputro

Tutorial Permodelan ARIMA
Langkah-langkah melakukan analisis data dengan model ARIMA adalah sebagai berikut.
  1. Plotkan series untuk melihat pola dari data
  2. Pengecekan stasioner dalam varians dengan menggunakan box-cox transformation
  3. Pengecekan stasioner dalam rata-rata dengan menggunakan grafik ACF dan PACF
  4. Jika langkah nomor 4 didapatkan series belum stasioner dalam rata-rata maka perlu didifferensing, dan  kembali lakukan nomor 3 sampai data telah stasioner dalam rata-rata (maksimal differensing d=3, jika lebih mungkin ada indikasi lain seperti pola seasonal, intervensi dll. Untuk soal seperti itu akan ada di tutorial yang lain)

Category: , 1 komentar
Baca selengkapnya »

Peramalan dengan Time Series (ARIMA chap.2)

By Dimas Nugroho Dwi Seputro

Tahapan tahapan metode ARIMA 

Metode ARIMA menggunakan pendekatan iteratif dalam mengidentifikasi suatu model yang paling tepat dari berbagai model yang ada. Model sementara yang telah dipilih diuji lagi dengan data historis untuk melihat apakah model sementara yang terbentuk tersebut sudah memadai atau belum. Model sudah dianggap memadai apabila residual (selisih  hasil peramalan dengan data historis) terdistribusi secara acak, kecil dan independen satu sama lain. Langkah-langkah penerapan metode ARIMA secara berturut-turut adalah : identifikasi model, estimasi parameter model, diagnostic checking, dan peramalan (forecasting).

Category: , 0 komentar
Baca selengkapnya »

Peramalan dengan Time Series (ARIMA chap.1)

By Dimas Nugroho Dwi Seputro

ARIMA 
(Autoregressive Integrated Moving Average)

Teknik analisis data dengan metode ARIMA dilakukan karena merupakan teknik untuk mencari pola yang paling cocok dari sekelompok data (curve fitting), dengan demikian ARIMA memanfaatkan sepenuhnya data masa lalu dan sekarang untuk melakukan peramalan jangka pendek yang akurat (Sugiarto dan Harijono, 2000). ARIMA seringkali ditulis sebagai ARIMA (p,d,q) yang memiliki arti bahwa p adalah orde koefisien autokorelasi, d adalah orde / jumlah diferensiasi yang dilakukan (hanya digunakan apabila

Category: , 0 komentar
Baca selengkapnya »

Peramalan dengan Time Series

By Dimas Nugroho Dwi Seputro

Definisi Time Series & Stasioner
     Time series adalah suatu himpunan pengamatan yang dibangun secara berurutan dalam waktu. Waktu atau periode yang dibutuhkan untuk melakukan suatu peramalan itu biasanya disebut sebagai lead time yang bervariasi pada tiap persoalan. Berdasarkan himpunan pengamatan yang tersedia, maka time series dikatakan kontinu jika himpunan pengamatan tersebut adalah kontinu dan dikatakan diskrit bila himpunan pengamatan tersebut juga diskrit. 
     Ẑt(l) adalah peramalan yang dibuat dari awal pengamatan t dari misalnya data penjualan, Zt+l yang terjadi pada lead time l. fungsi Ẑt(l); l = 1, 2, 3, ...

Category: 0 komentar
Baca selengkapnya »
Langganan: Postingan (Atom)
Follow @dimaseputro

Jika malas menunggu - silahkan kunjungi halaman twitter saya