ARIMA (Autoregressive Integrated Moving Average) merupakan metode peramalan yang hanya menggunakan nilai masa lalu dari variabel dependen tanpa melibatkan variabel independen. Metode ini melakukan identifikasi, estimasi, dan seleksi model terbaik berdasarkan kriteria seperti signifikansi parameter, stasioneritas residual, dan nilai informasi kriteria terkecil. Proses pemilihan model terbaik ARIMA melibatkan pengujian otokorelasi residual untuk memastikan model mampu mew
2. Konsep ARIMA
ARIMA disebut juga metode Box-Jenkins, yang
merupakan suatu teknik yang mengabaikan
independent variable dalam melakukan
peramalan, sehingga;
ARIMA hanya menggunakan nilai-nilai sekarang
dan masa lalu dari dependent variable untuk
melakukan peramalan jangka pendek.
Perbedaannya dengan metode lain karena
metode ini tidak mengasumsikan pola tertentu
dalam data historis dari series yang akan
diforecast.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
2
3. Proses Pemilihan Model ARIMA
Penentuan Bentuk
Umum Model
• Stasioneritas
(Residu)
•Autokorelasi
(Residu)
• AIC
Identifikasi Model
Terpilih secara Tentatif
Estimasi Parameter Model
Terpilih secara Tentatif
Uji Kecukupan Model
(Adequacy Test)
Gunakan Model untuk
Peramalan
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
3
4. Proses Pemilihan Model ARIMA
Model AR(p)
Yt = α 0 + α 1Yt −1 + α 2Yt −1 + α 3Yt −1 + ... + α p Yt − p + u t
Model MA(q)
u t = ε t − β1ε t −1 − β 2 ε t −1 − β 3ε t −1 − ... − β p ε t − p
Model ARIMA (p,i=0,q)
Yt = α 0 + α 1Yt −1 + ... + α p Yt − p + ε t − β1ε t −1 − ... − β p ε t − p
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
4
5. Penentuan Model Terbaik
Model ARIMA terbaik, adalah model ARIMA yang
memiliki:
Signifikansi t-stat untuk seluruh suku AR dan MA dalam
persamaan. Probabilita t-stat dari setiap koefisien lebih
kecil dari 0.1 (asumsi =10%).
Nilai inverted root matriks (IRM) suku AR dan MA, |IRM|
<1
Nilai residual yang bebas otokorelasi. Yaitu nilai koefisien
korelasi |AC| dan |PAC| yang lebih kecil dari 0.5; dan
probabilita Q-stat seluruh variabel selang yang lebih besar
dari 0.1.
Memiliki nilai Schwarz Criterion atau Akaike Information
Criterion (AIC) terkecil.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
5
6. Penentuan Model Terbaik
Guna memperoleh hasil estimasi yang baik
perhatikanlah kriteria berikut:
Gunakan data dalam jumlah yang banyak (long series)
Gunakan suku MA yang sedikit
Jika menggunakan suku AR dan MA, gunakan dalam
jumlah sedikit
Semakin sedikit suku AR dan MA yang digunakan akan
semakin baik
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
6
7. Penentuan Bentuk Umum: I
Pengujian Stasioneritas:
yt = α 0 + α 0 . yt −1 + ε t
Merupakan inspeksi visual atas series: view line graph
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
7
8. Penentuan Bentuk Umum: I
Pengujian Statistik: Augmented Dickey Fuller Test
E-views: View Unit Root Test (ADF)
ADF stat sebesar -2.549886 nilainya secara absolut lebih kecil
dari MacKinnon critical value data memiliki unit root (tidak
stasioner) pada level. Lakukan kembali pengujian unit root,
tetapi kali ini pada tingkat 1st difference:
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
8
9. To Do …
Do the ARIMA (1,2,1), store it! A
Do the ARIMA (1,2,0), store it! B
d(d(gdpriil)) c AR(1)
Do the ARIMA (0,2,1), store it! C
d(d(gdpriil)) c AR(1) MA(1)
d(d(gdpriil)) c MA(1)
COMPARE THEM ALL
| OK
| Tdk OK |
Significance:
| AR(1)
Stasionerity of
residual:
|
Q-statistic/ Correlogram/ DW:
Adj-R2:
| ARI
AIC:
| ARI
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
9
10. Penentuan Bentuk Umum: I
Sekarang ADF stat secara absolut lebih besar daripada critical
value Tolak Ho (tolak hipotesa bahwa ada unit root alias
tidak stasioner) bentuk data yang stasioner pada first
difference.
Secara tidak langsung ordo integrasi pun telah ditemukan,
yaitu d = 1.
Berikutnya adalah penentuan ordo suku AR dan MA.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
10
11. Penentuan Bentuk Umum: AR-MA
Pengujian correlogram:
View Correlogram
(lakukan sesuai dengan
hasil derajat integrasi)
Biarkan Eviews
menentukan panjang lag
maksimum-ok
Dari grafik batang AC:
pelanggaran garis batas
terjadi pada lag 1, 8, dan
12 kandidat MA (1).
Dari grafik batang PAC:
pelanggaran garis batas
juga terjadi pada lag 1
kandidat AR (1).
3 kandidat model: ARIMA
(1,1,1); ARIMA
(1,1,0)/ARI (1); dan
ARIMA (0,1,1)/IMA (1).
Selanjutnya adalah
penentuan model terbaik.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
11
12. Estimasi Parameter
Model ARIMA (1,1,1): quick-estimate equation-ketikkan:
d(gdp) c AR(1) MA(1)
Repeat: Model ARI (1): d(gdp) c AR(1), dan
Repeat: IMA (1): d(gdp) c MA(1)
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
12
13. Estimasi Parameter: ARIMA (1,1,1)
Hasil Estimasi: suku MA tidak signifikan maka model ini
gugur.
MODEL ARIMA (1,1,1)
Dependent Variable: D(GDP)
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
AR(1)
MA(1)
23.50643
0.499691
-0.201503
5.942468
0.275092
0.312611
3.955667
1.816447
-0.644582
0.0002
0.0729
0.5210
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.105750
0.084202
34.39166
98171.24
-424.7539
1.994227
Inverted AR Roots
Inverted MA Roots
.50
.20
Qiyara Damayanti Consulting
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
23.34535
35.93794
9.947766
10.03338
4.907606
0.009673
13
14. Estimasi Parameter: AR(1)/ ARIMA(1,1,0)
Hasil Estimasi: suku AR signifikan.
Didukung lebih lanjut dg. nilai |IRM|<1 Kandididat OK
Perlu diuji lebih lanjut dengan pengujian otokorelasi.
MODEL ARI(1)
Dependent Variable: D(GDP)
Variable
Coefficient
C
AR(1)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Inverted AR Roots
Qiyara Damayanti Consulting
23.44152
0.317238
0.101516
0.090820
34.26717
98636.06
-424.9570
2.034425
Std. Error
t-Statistic
Prob.
5.412216
0.102975
4.331224
3.080716
0.0000
0.0028
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
23.34535
35.93794
9.929234
9.986311
9.490809
0.002791
.32
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
14
15. Estimasi Parameter: IMA (1)/ARIMA(0,1,1)
Hasil Estimasi: suku MA signifikan.
Didukung lebih lanjut dg. nilai |IRM|<1 Kandididat OK
Perlu diuji lebih lanjut dengan: Pengujian otokorelasi.
MODEL IMA(1)
Dependent Variable: D(GDP)
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
MA(1)
22.79699
0.258489
4.666371
0.104582
4.885378
2.471642
0.0000
0.0154
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Inverted MA Roots
Qiyara Damayanti Consulting
0.080866
0.070053
34.65297
102070.4
-430.8843
1.911491
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
22.93333
35.93448
9.951364
10.00805
7.478367
0.007598
-.26
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
15
16. Uji Kecukupan: Pengujian Otokorelasi
Fokus pada residual model.
Pada masing-masing model: View Residual Test
Correlogram Q-statistics
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
16
17. Uji Kecukupan : Pengujian Otokorelasi
Kedua model OK: terlihat dari ketidaksignifikanan nilai Q-stat
di setiap lag.
Maka langkah terakhir pemilihan model akan bergantung
pada nilai SC yang lebih kecil:
ARI (1) memiliki nilai SC sebesar 9.986.
IMA (1) sebesar 10.00805.
Model ARI(1) yang terbaik.
MODEL
Adjusted
R square
AIC
SC
IMA (1)
ARI (1)
ARIMA(1,1,1)*
0.070053
0.09082
0.084202
9.951364
9.929234
9.947766
10.00805
9.986311
10.03338
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
17
18. Peramalan
Tipe Peramalan:
Back Cast
Fore Cast
Kriteria model peramalan terbaik:
Theil inequality coefficient < 0.2
Bias proportion < 0.2
Variance proportion < 0.2
Nilai covariance proportion mendekati 1.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
18
19. Peramalan: Kelayakan Model
Terlihat bahwa nilai bias proportion nilainya 0.053880
(dibawah 0.2), sementara covariance proportion 0.856076
(hampir mendekati 1), maka model ini dapat meramal nilai
GDP kedepan.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
19
20. Peramalan: Aplikasi
Perpanjang range data.
Pada menu utama Eviews click procs-change workfile
range-ubah end date menjadi 1992.1, karena bentuk data
yang kuartalan-ok.
Ubah juga sampel data, procs-sample-ubah end date
menjadi 1992.1-ok.
Kemudian kembali pada model ARI (1):
Procs Make model
Solve
Terbentuk variabel forecast gdpf dengan tambahan
nilai konsumsi 1992.1.
Qiyara Damayanti Consulting
Untuk mendapatkan filenya silakan
kunjungi: qiyara.ipromart.co.id
20