Pada analisis deret waktu sangat memungkinkan ada
beberapa model yang telah memenuhi asumsi-asumsinya. Berkaitan dengan hal itu
untuk menentukan model terbaik terdapat beberapa kriteria yang digunakan
sebagai pengukur kebaikan suatu model antara lain Akaike’s information criterion (AIC)
dan Schwart’s
Bayesian criterion (SBC) untuk data in sample. Sedangkan untuk data
out sample digunakan kriteria Mean Absolute Percentage Error (MAPE) dan Mean Square
Error (MSE). Shibata (1976) pada buku Wei (2006) menyatakan bahwa
kriteria AIC cenderung menganggap terlalu tinggi order dari autoregresion.
Perumusan
dari criteria AIC adalah sebagai
berikut :
M menyatakan banyaknya parameter, σ ̂_a^2 merupakan
varian dari residual dan n merupakan jumlah dari banyaknya residual. Kriteria
untuk data in sample lain adalah SBC yang dikembangkan oleh Schwartz (1978).
Perumusan dari SBC adalah sebagai
berikut :
dimana σ ̂_a^2 adalah estimasi maximum likelihood dari σ_a^2, M adalah banyaknya parameter dan n adalah banyaknya residual yang dihitung dari series.
Kriteria untuk menentukan kebaikan model untuk data out sample seperti telah disebutkan di atas terdiri dari MAPE dan MSE. Berikut ini adalah perumusan dari kriteria MAPE:
dengan n adalah banyaknya data yang dihitung sebagai residual. Sedangkan untuk kriteria MSE perumusannya adalah sebagai berikut :
0 komentar:
Posting Komentar