1 / 21

ANALISIS DERET WAKTU

ANALISIS DERET WAKTU. Abdul Kudus, SSi ., MSi ., PhD. Jumat, 15.40 – 18.10. PLOT, TREND dan VARIASI MUSIMAN. 1. Data Penumpang Pesawat Terbang AP.XLSX. Lihat Plotnya (Misal menggunakan software R). 1. Buka file Excel 2. Copy kolom data ke dalam clipboard (ctrl-C) 3. Di dalam R.

roch
Download Presentation

ANALISIS DERET WAKTU

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ANALISIS DERET WAKTU Abdul Kudus, SSi., MSi., PhD. Jumat, 15.40 – 18.10

  2. PLOT, TREND dan VARIASI MUSIMAN 1. Data Penumpang Pesawat Terbang AP.XLSX Lihat Plotnya (Misal menggunakan software R) 1. Buka file Excel 2. Copy kolom data ke dalam clipboard (ctrl-C) 3. Di dalam R AP <- scan() paste clipboard (ctrl+v) enter Ubah menjadi data jenis deret waktu (ts = time series) AP <- ts(AP, start=c(1949,1), freq=12) Buat plotnya plot(AP, ylab="Penumpang (1000-an)")

  3. Summer “Gambar lebih bermakna daripada seribu kata-kata” Feb (winter) Nov (Autumn) Trend: perubahan sistematik yang tidak tampak periodik Variasi Musiman: pola berulang dalam tiap tahun (periode)

  4. Untuk mendapatkan gambaran yang jelas dari trend, maka efek musimannya dapat dibuang dengan cara meng-agregat-kan data menjadi data tahunan. • Untuk mendapatkan ringkasan data setiap bulan bisa digunakan boxplot. Di dalam R layout(1:2) plot(aggregate(AP)) boxplot(AP ~ cycle(AP))

  5. Trend meningkat Data Penumpang Tahunan Pengaruh bulanan Boxplot tiap bulan

  6. 2. Data Pengangguran Maine.XLSX Data ini juga ada di web-nya buku Introductory Time Series with R. Data tersebut dalam format text ASCII dan bisa dibaca langsung dari web tsb dengan R. www <- "http://www.massey.ac.nz/~pscowper/ts/Maine.dat" Maine.month <- read.table(www, header = TRUE) #akses langsung ke kolom datanya attach(Maine.month) #ubah menjadi data berjenis data time series Maine.month.ts <- ts(unemploy, start = c(1996, 1), freq = 12) #kita bisa buat data agregat (rata-rata) tahunannya Maine.annual.ts <- aggregate(Maine.month.ts)/12 #Buat plot data bulanan dan tahunannya layout(1:2) plot(Maine.month.ts, ylab = "unemployed (%)") plot(Maine.annual.ts, ylab = "unemployed (%)")

  7. Feb Rata-rata 1996 Agu Pengangguran Bulanan Pengangguran Rata-rata Tahunan

  8. Kita bisa mengambil data bulan tertentu saja dgn window. > Maine.Feb <- window(Maine.month.ts, start = c(1996,2), freq = TRUE) > Maine.Aug <- window(Maine.month.ts, start = c(1996,8), freq = TRUE) > Feb.ratio <- mean(Maine.Feb) / mean(Maine.month.ts) > Aug.ratio <- mean(Maine.Aug) / mean(Maine.month.ts) > Feb.ratio [1] 1.222529 > Aug.ratio [1] 0.8163732 22% lebih tinggi 18% lebih rendah

  9. 3. Data Deret Waktu Multiple: Data Cokelat, Bir dan Listrik CBE.XLSX Data tersebut dibaca langsung dari web dengan R. www <- "http://www.massey.ac.nz/~pscowper/ts/cbe.dat" CBE <- read.table(www, header = T) #Buat data deret waktu tunggal utk setiap variabel Elec.ts <- ts(CBE[, 3], start = 1958, freq = 12) Beer.ts <- ts(CBE[, 2], start = 1958, freq = 12) Choc.ts <- ts(CBE[, 1], start = 1958, freq = 12) #Buat plotnya plot(cbind(Elec.ts, Beer.ts, Choc.ts), main="Produksi Cokelat, Bir dan Listrik")

  10. Semua meningkat, karena jumlah penduduk meningkat

  11. 4. Nilai Kurs Kuartalan: £ versus NZ$Pound_NZ.XLSX Data tersebut dibaca langsung dari web dengan R. > www <- "http://www.massey.ac.nz/~pscowper/ts/pounds_nz.dat" > Z <- read.table(www, header = T) #Ubah menjadi jenis time series > Z.ts <- ts(Z, st = 1991, fr = 4) #Buat plotnya > plot(Z.ts, xlab = "Waktu / Tahun",ylab = "Kurs Kuartalan $NZ / pound")

  12. Berpotensi terjadi salah ramalan

  13. 5. Suhu Global GLOBAL.XLSX Data tersebut dibaca langsung dari web dengan R. www <- "http://www.massey.ac.nz/~pscowper/ts/global.dat" Global <- scan(www) #Ubah menjadi data time series Global.ts <- ts(Global, st = c(1856, 1), end = c(2005, 12),fr = 12) #Ubah menjadi data rata-rata tahunan Global.annual <- aggregate(Global.ts, FUN = mean) #Plot layout(1:2) plot(Global.ts) plot(Global.annual)

  14. Fenomena global warming mulai 1970-an

  15. Ekstrak data tahun 1970 – 2005 (36 tahun) New.series <- window(Global.ts, start=c(1970, 1), end=c(2005, 12)) New.time <- time(New.series) plot(New.series); abline(reg=lm(New.series ~ New.time))

  16. DEKOMPOSISI Notasi Data deret waktu dengan panjang pengamatan n atau cukup , jika panjang pengamatan sudah jelas. Rata-rata sampel Prediksi atau ramalan adalah ramalan yang dibuat pada waktu t untuk nilai ramalan pada waktu t+k

  17. Model Dekomposisi aditif mt : trend st : efek musiman zt : error Jika efek musiman cenderung meningkat seiring peningkatan trend, model yang tepat adalah model multiplikatif (perkalian): Model aditif dalam log

  18. Menaksir Trend dan Efek Musiman Menaksir trend mt pada waktu t dapat dilakukan dengan menghitung rata-rata bergerak (moving average) yang berpusat di t. Misal untuk data bulanan (periode 1 tahun) Taksiran efek aditif bulanan (musiman) Jika efek bulanannya multiplikatif

  19. Membuat Dekomposisi dalam R (decompose) Contoh data LISTRIK. plot(decompose(Elec.ts)) Error-nya masih jelek (tidak acak)

  20. Coba model Multiplikatif Elec.decom <- decompose(Elec.ts, type = "mult") plot(Elec.decom) Variasi errornya meningkat utk nilai trend yg besar

  21. Trend <- Elec.decom$trend Seasonal <- Elec.decom$seasonal ts.plot(cbind(Elec.ts,Trend, Trend * Seasonal), col = 2:4) Data asli Taksiran Trend Taksiran Model

More Related