1 / 17

Pertemuan 15-16 Model-model analisis deret waktu

Pertemuan 15-16 Model-model analisis deret waktu. Matakuliah : I0224/Analisis Deret Waktu Tahun : 2007 Versi : revisi. Learning Outcomes. Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menunjukkan model-model deret waktu ARIMA. Outline materi.

simone-castro
Download Presentation

Pertemuan 15-16 Model-model 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. Pertemuan 15-16Model-model analisis deret waktu Matakuliah : I0224/Analisis Deret Waktu Tahun : 2007 Versi : revisi

  2. Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menunjukkan model-model deret waktu ARIMA

  3. Outline materi • Model autoregresi (ARIMA(p,0,0)) • Model moving average (ARIMA(0,0,q)) • Model ARIMA(p,d,q)

  4. ARIMA(0,0,0) • Model Yt = u + et • Model tidak terdapat AR( Yt tidak terganung Yt-1), tidak ada pembedaan, dan tidak dijumpai adanya proses MA (Yt tidak tergantung pada et-1)

  5. Model acak ARIMA(0,0,0)

  6. Model ARIMA(0,1,0) • Model Yt= Yt-1 + et • Persamaan diatas dapat ditulis sebagai • Yt – Yt-1 = et memperlihatkan pembedaan pertama Yt- Yt-1 biasanya ditetapkan sebagai Wt, deret pembeda pertama sebagai deret yang stasioner

  7. Model ARIMA(0,1,0)

  8. Konsep stasioner • Konsep stasioneritass secara praktis digambarkan : • Tidak ada perubahan nilai tengah dari waktu ke waktu, data deret waktu disebut stasioner pada nilai tengahnya • Tidak memperlihatkan adanya perubahan varians dari waktu ke waktu, deret data disebut stasioner pada variansnya

  9. Model ARIMA(1,0,0) • Model Yt = θ Yt-1 + et • Nilai pengamatan Yt bergantung pada Yt-1, sedangkan koefisien θ autoregresif mempunyai nilai -1 hingga +1

  10. Model ARIMA(1,0,0)

  11. Model ARIMA(0,0,1) • Model Yt= u + et – θet-1 • Model ARIMA(0.0,1) atau MA(1), nilai pengamatan Yt bergantung pada nilai kesalahan et dan juga kesalahan sebelumnya et-1 dengan koefisien θ

  12. Model ARIMA (0,0,1)

  13. Model ARIMA(1,0,1) • Model Yt = Ø Yt-1 + u + et - θ et-1 • Yt tergantung pada nilai sebelumnya Yt-1 dan satu nilai galat sebelumnya et-1 • Deret data diasumsikan stasioner pada nilai tengah dan ragamnya.

  14. ARIMA(1,0,1)

  15. ARIMA (1,0,1)

  16. ARIMA(p,d,q) • Model ARIMA(p,d,q) • p= orde dari prose sautoregresif • d:= tingkat pembeda • q= orde dari p[roses moving average

  17. Rangkuman • Model ARIMA (p,d,q) umumnya dalam praktek nilai p,d,dan q memiliki nila 0, 1 atau 2. • ARIMA merupakan kombinasi proses autoregresif dan moving average

More Related