Identifikasi
mencakup aspek cek stasioneritas data dalam mean dan varians serta menduga atau
menentukan ordo model awal.
Stasioneritas berarti tidak terdapat pertumbuhan atau penurunan
pada data. Data secara kasarnya harus horizontal sepanjang sumbu waktu. Dengan
kata lain, fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan,
tidak tergantung pada waktu dan varians dari fluktuasi tersebut pada pokoknya
tetap konstan setiap waktu. Hal yang perlu diperhatikan
adalah bahwa kebanyakan deret berkala bersifat nonstasioner dan bahwa
aspek-aspek AR dan MA dari model ARIMA hanya berkenaan dengan deret berkala
yang stasioner. Mula-mula dicek stasioneritas varians dengan melihat hasil Box-Cox plot. Jika varians tidak
stasioner, maka dilakukan transformasi logaritma. Untuk mengecek stasioneritas
mean bias dilihat secara visual dari plot ACF. Suatu deret waktu yang tidak
stasioner dalam mean harus diubah menjadi data stasioner dengan melakukan differencing.
Yang dimaksud dengan differencing adalah
menghitung perubahan atau selisih nilai observasi. Nilai selisih yang diperoleh
dicek lagi apakah stasioner atau tidak. Jika belum stasioner maka dilakukan differencing
lagi.
Instrumen utama untuk identifikasi model ARIMA adalah Fungsi Autokorelasi (ACF) dan Fungsi Autokorelasi Parsial (PACF) melalui korelogramnya. ACF mengukur korelasi antar pengamatan dengan jeda k, sedangkan PACF mengukur korelasi antar pengamatan dengan jeda k dan dengan mengontrol korelasi antar dua pengamatan dengan jeda kurang dari k. PACF adalah korelasi antara yt dan yt-k setelah menghilangkan efek yt yang terletak diantara kedua pengamatan tersebut. Ingat bahwa dalam regresi berganda, k mengukur tingkat perubahan terhadap y bila xk berubah satu unit dengan β menganggap regresor lainnya konstan. k disebut juga koefisien regresi parsial. Acuan model ACF dan PACF sebagai berikut.
Model
|
Pola ACF
|
Pola PACF
| |
AR (p)
|
Menyusut secara eksponensial atau pola gelombang sinusoidal yang tidak begitu jelas
|
Ada tiang pancang sampai lag p
| |
MA (q)
|
Ada tiang pancang yang jelas sampai lag q
|
Menyusut secara eksponensial
| |
ARMA (p,q)
|
Menyusut secara eksponensial
|
Menyusut secara eksponensial
|
0 komentar:
Posting Komentar