welcome to ARIMA area

salah satu amal yang tak kan terputus pahalanya meski seseorang telah meninggal dunia adalah ilmu yang bermanfaat. lewat blog ARIMA ini semoga menjadikan ilmu yang kami miliki dapat memberikan manfaat meskipun hanya sedikit.

Diberdayakan oleh Blogger.
RSS
10.31 |


A.  Contoh Study Kasus dari Data Wei 3
Berikut ini adalah data yang ingin dianalisis dengan ARIMA Box-Jenkis.

Series W3   Blowfly data

1676 3075 3815 4639 4424 2784 5860 5781 4897 3920 3835 3618
3050 3772 3517 3350 3018 2625 2412 2221 2619 3203 2706 2717
2175 1628 2388 3677 3156 4272 3771 4955 5584 3891 3501 4436
4369 3394 3869 2922 1843 2837 4690 5119 5838 5389 4993 4446
4651 4243 4620 4849 3664 3016 2881 3821 4300 4168 5448 5477
8579 7533 6884 4127 5546 6316 6650 6304 4842 4352 3215 2652
2330 3123 3955 4494 4780 5753 5555 5712 4786 4066

Maka sesuai dengan langkah-langkah yang sudah dijelaskan, berikut ini tahapan untuk mendapatkan model peramalan dengan ARIMA.

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Read User's Comments(0)
Baca selengkapnya »
Diposting oleh Riza Inayah
10.10 |

The 3rd Step of ARIMA Box-Jenkis: Diagnosting Check Residual

Asumsi yang harus terpenuhi untuk mendapatkan model terbaik yang dapat digunakan untuk meramalkan adalah memenuhi asumsi whitenoise dan distribusi normal. 
Pengujian hipotesis asumsi whitenoise yaitu.
Hipotesis:
H0: Residual white-noise (ρ = 0)
H1: Residual tidak white noise (ρ≠0)
Taraf signifikan: α = 5%
Daerah Kritis : Tolak H0 jika Q>X2α,k atau P-value<α
Statistik Uji :
     Keputusan dan kesimpulan.

Pengujian asumsi kenormalan yaitu. 
    Hipotesis:
H0  : Residual data berdistribusi normal
H1  : Residual data tidak berdistribusi normal
   Taraf signifikan: α = 5%   Daerah kritis : Tolak H0 jika P-value<α
   Statistik Uji yang digunakan Kolmogorov Smirnov
   Keputusan dan Kesimpulan.

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Read User's Comments(0)
Diposting oleh Riza Inayah
09.47 |


The Second Step of ARIMA Box-Jenkis: Estimasi Model ARIMA
Dari proses identifikasi, kita menduga bahwa series yang dianalisis merupakan proses ARIMA  maka modelnya sebagai berikut:
Yt = δ + a1 Yt-1 + a2 Yt-2 + . . .+ et
Ada dua cara yang mendasar untuk mendapatkan parameter-parameter:
a.    Dengan cara mencoba-coba (trial and error), menguji beberapa nilai yang berbeda dan memilih satu nilai tersebut (atau sekumpulan nilai, apabila terdapat lebih dari satu parameter yang akan ditaksir) yang meminimumkan jumlah kuadrat nilai sisa (sum of squared residual).
b.    Perbaikan secara iteratif, memilih taksiran awal dan kemudian membiarkan program komputer memperhalus penaksiran tersebut secara iteratif.
Pengujian hipotesis terhadap parameter adalah sebagai berikut.
Hipotesis:
H0: i = 0 (parameter tidak signifikan)
H1: i ≠ 0 (parameter signifikan)
Taraf signifikan (α) : 5%
Statistik Uji :
Daerah Kritis : tolak H0 jika P-Value<α atau >
     Keputusan dan kesimpulan.

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS
Read User's Comments(0)
Diposting oleh Riza Inayah
Langganan: Postingan (Atom)