Analisis Runtun Waktu Tentang Peramalan Data Non-Musiman

 

Sudah lama tidak pernah lihatin blog ini, karena urusan kampus. Bagi pengunjung yang pernah minta materi sory baru bisa posting kembali. kali ini http://ngebagiilmubermanfaat.blogspot.com/ pengen berbagi/sharing sedikit tentang materi kuliah Runtun Waktu. Autoregressive Integrated Moving Average (ARIMA) atau biasa disebut dengan metode Box-Jenkins. ARIMA sangat baik ketepatannya untuk peramalan jangka pendek, yang tidak membentuk suatu model struktural baik itu persamaan tunggal atau simultan yang bebasis kepada teori ekonomi atau logika, namun dengan menganalisis probabilistik atau stokastik dari data deret waktu (time series) dengan menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat dengan mengabaikan variabel independennya. Hal ini terjelaskan dengan prinsip dari metode ini yaitu “let the data speak for themselves”. Metode peramalan dengan menggunakan ARIMA dapat kita jumpai dalam peramalan ekonomi, analisis anggaran, kontrol terhadap proses dan kualitas, analisis sensus, perubahan struktur harga industri, inflasi, indeks harga saham, perkembangan nilai tukar terhadap mata uang asing dsb. Beberapa keuntungan yang dapat diperoleh dengan menggunakan ARIMA:  

1.  Merupakan model tanpa teori karena variabel yang digunakan adalah nilai-nilai lampau dan kesalahan yang mengikutinya.
2. Memiliki tingkat akurasi peramalan yang cukup tinggi karena setelah mengalami pengukuran kesalahan peramalan mean absolute error, nilainya mendekati nol.
3. Cocok digunakan untuk meramal sejumlah variabel dengancepat, sederhana, akurat dan murah karena hanya membutuhkan data variabel yang akan diramal.  

Model ARIMA menggunakan pendekatan iteratif dalam indentifikasi terhadap suatu model yang ada. Model yang dipilih diuji lagi dengan data masa lampau untuk melihat apakah model tersebut menggambarkan keadaan data secara akurat atau tidak. Suatu model dikatakan sesuai (tepat) jika residual antara model dengan titik-titik data historis bernilai kecil, terdistribusi secara acak dan bebas satu sama lainnya.

        Pemilihan model terbaik dapat dilakukan dengan membandingkan distribusi koefisien-koefisien autocorrelation (otokorelasi) dari data time series tersebut dengan distribusi teoritis dari berbagai macam model. 

Lebih lengkap cara pengolahan dan pengambilan keputusan dalam peramalan, silahkan langsung download pake link di bawah ini :

contoh kasus dan peramalan data.

 

 

 

 

 

Semoga bermanfaat bagi pembaca.

 

 

 

Posted in: Materi Statistik