Data wei 6
Data akan di identifikasi statisioner dalam varians dan statisioner dalam means. Untuk melakukan identifikasi statisioner dalam varians dilakukan transformasi box cox, berikut, hasilnya ditampilkan dalam bentuk visual.
Dari hasil output diatas diketahui nilai Rounded Value (lambda) sebesar 0,5, jadi dapat disimpulkan bahwa data belum statisioner dalam varians. Selanjutnya akan dilakukan transformasi.
Dari hasil output diatas diketahui nilai Rounded Value (lambda) sebesar 1, jadi dapat disimpulkan bahwa data telah statisioner dalam varians.
Identifikasi selanjutnya yaitu statisioner dalam means yang dapat di lihat pada gambar time series plot. Berikut gambar hasil output time series plot.
Dari hasil diatas dapat diketahui bahwa data telah statisioner dalam means karena plotnya dapat ditarik garis lurus tepat di tengah atau konstan.
2. Estimasi
Menentukan model awal dengan ACF dan PACF yang dapat dilihat seperti Gambar di bawah ini. Untuk menentukan AR pada ARIMA maka menggunakan PACF sedangkan jika menentukan MA maka menggunakan ACF.
a. Autocorrelation Function (ACF)
b. Partial Autocorrelation Function (ACF)
Pada langkah estimasi dilakukan 3 pengujian asumsi, yaitu:
· Arima (1, 0, 1)
a. White noise
Pada pengujian ini digunakan pengujian L-jung Box, dengan hipotesis sebagai berikut.
Hipotesis:
H0 : Data telah white noise
H1 : Data tidak white noise
Tingkat Signifikan: α= 5%
Hasil Output:
Modified Box-Pierce (Ljung-Box) Chi-Square statistic
Lag 12 24 36 48
Chi-Square 4,7 11,3 22,0 36,3
DF 9 21 33 45
P-Value 0,863 0,957 0,927 0,821
Dari output di atas maka dapat diputuskan bahwa semua nilai p-value > α sehingga gagal tolak H0 . Jadi dapat disimpulkan bahwa data telah white noise pada arima (1, 0, 1).
a. Residual Normal
Pada pengujian ini digunakan hasil output pengujian residual kolmogorov smirnov,dengan hipotesis sebagai berikut.
Hipotesis:
H0 : Residual telah berdistribusi normal
H1 : Residual tidak berdistribusi normal
Tingkat Signifikan: α= 5%
Dari pengujian residual dengan menggunakan kolmogorov smirnov dapat diputuskan bahwa gagal tolak H0. Jadi dapat disimpulkan bahwa data telah berdistribusi normal.
b. Signifikansi parameter
Hipotesis:
H0 : Parameter tidak signifikan terhadap model
H1 : Parameter telah signifikan terhadap model
Tingkat Signifikan: α= 5%
Hasil Output
Final Estimates of Parameters
Type Coef SE Coef T P
AR 1 0,1471 0,1424 1,03 0,304
MA 1 0,7487 0,0980 7,64 0,000
Constant 0,17781 0,06344 2,80 0,006
Dari hasil output diketahui nilai p-value pada AR1, MA1 dan constant sebesar 0,304 , 0,000, 0,006. Sehingga dapat diputuskan tolak H0 karena nilai p-value < α yang berarti bahwa parameter telah signifikan terhadap model untuk MA1 dan constant sedangkan untuk AR1 diputuskan gagal tolak H0.
4. Tes diagnostik
SS = 776,666 (backforecasts excluded)
MS = 7,061 DF = 110
Pada tahap ini dapat diketahui nilai MSE sebesar 7,061 yang dapat dibandingkan dengan model Arima yang lain.
0 komentar:
Posting Komentar