The Box-Jenkins Methodology

Langkah-langkahnya Metode Box dan Jenkins menawarkan 4 (empat) langkah permodelan ARIMA antara lain :
 1. Identifikasi 
                  Menduga order p,d,q pada ARIMA (dengan plot times series, ACF dan PACF). Mengidentifikasi data dilakukan statisioner dalam varians dan statisioner dalam means. Untuk melakukan identifikasi statisioner dalam varians dilakukan transformasi box cox. Data dikatakan telah stasioner dalam varians jika nilai Rounded Value (lambda) sama dengan 1. Jika data tidak stasioner dalam varians maka menggunakan transformasi box-cox yang sesuai dengan nilai rounded value pada pengujian yang pertama. Identifikasi selanjutnya yaitu statisioner dalam means yang dapat di lihat pada gambar time series plot. Data dikatakan telah stasioner dalam means jika time series plot dapat ditarik garis tengah secara lurus. Jika data belum stasioner dalam means maka dilakukan differencing. 
      2.  Estimasi
           Setelah p dan q ditentukan, mengestimasi parameter AR dan MA yang ada pada model. Estimasi ini bisa menggunakan teknik kuadrat terkecil sederhana maupun dengan metode estimasi tidak linier. Menentukan model awal dengan ACF dan PACF. pendugaan parameter dengan Conditional Least Square (CLS). 
3. Tes Hipotesis
Setelah model ARIMA nya ditentukan, parameternya telah diestimasi, kemudian kita akan cek apakah model ARIMA lain yang lebih cocok atau sama cocoknya dengan model terpilih. Syarat asumsi yang digunakan sebagai berikut.
a. White noise
Pada pengujian ini digunakan pengujian L-jung Box, dengan hipotesis sebagai berikut.
Hipotesis:
H0 : Data telah white noise
H1 : Data tidak white noise
b. Residual Normal
Pada pengujian ini digunakan hasil output pengujian residual kolmogorov smirnov,dengan hipotesis sebagai berikut.
Hipotesis:
H0 : Residual telah berdistribusi normal
H1 : Residual tidak berdistribusi normal
c. Signifikansi parameter
Hipotesis:
H0 : Data tidak signifikan
H1 : Data telah signifikan
Pengujian residual model. dengan cara uji asumsi white noise (Ljung-Box Test) dan uji asumsi distribusi normal (Kolmogorov Smirnov, Anderson-Darling, QQ plot). Sebaliknya, bila tidak memenuhi salah satu asumsi maka harus melakukan pilihan ulang dari awal lagi. Oleh sebab itu, metodologi Box-Jenkins disebut juga suatu proses iterasi.
4. Tes Diagnostik
            Pada tahap ini, akan dipilih model yang terbaik dengan kriteria kebaikan model yaitu dengan memilih berdasarkan nilai MSE, MA, AIC, SBC dan lain-lain. Jika residualnya tidak berdistribusi normal dan white noise maka diidentifikasi atau ditransformasi lalu dilakukan pemilihan model terbaik.
5. Ramalan
Secara umum dan pada banyak hal, ramalan yang diperoleh  dengan menggunakan model ARIMA lebih reliabel bila dibandingkan dengan ramalan yang menggunakan model ekonometri yang biasa.

Gambar 1. Flow Chart Metode Box-Jenkins



1 komentar:

yUniaR _Time Series Analysis mengatakan...

semoga referensi metode peramalan dapat bermanfaat bagi kita, terutama yang mahasiswa yang mau Tugas Akhir ^_^

Posting Komentar

TAB MENU

Diberdayakan oleh Blogger.

Follow by Email

My MuSic (0_0)

Free Graduate 2011 Cursors at www.totallyfreecursors.com

Total Tayangan Halaman

mickeyyy