Adapun syarat awal menggunakan
model ARIMA adalah datanya harus sudah stationer agar tidak menghasilkan
model yang superious/lancung atau model yang memiliki error yang
nilainya besar. Adapun uji yang dbiasany digunakan ialah uji akar-akar
unit root Augmented Dickey Fuller. ASehingga akan didapat beberapa model
ARIMA. Setelah model didapat biasanya yang dipilih adalah model yang
signifikan, error terkecil, bias proportion terkecil, korelasinya tinggi
serta memenuhi asumsi normalitas dan homokedastisitas barulah model
tersebut dapat digunakan untuk melakukan forecast/peramalan untuk nilai
data periode berikutnya.
Adapaun penulisan model ARIMA secara umum yaitu:
ARIMA (p,q,r), p adalah ar, q adalah diffrence, dan r adalah ma
Misal: ARIMA (1,0,0) artinya menggunakan AR(1) pada data level
ARIMA (0,0,1) artinya menggunakan MA(1) pada level
ARIMA (1,0,1) artinya menggunakan AR(1) dan MA(1) pada data level
ARIMA (1,1,0) artinya menggunakan AR(1) pada data difference I
ARIMA (1,1,1) artinya menggunakan AR(1) dan MA(1) pada data difference I
Model AR memanfaatkan informasi data periode sebelumnya sedangkan model MA memanfaatkan data error sebelumnya.
0 komentar:
Posting Komentar