ANALISIS TIME SERIES SM 2234 / 3 SKS Pengajar : 1. Dr. Suhartono, S.Si., M.Sc. S1 Statistika, ITS, 1995 S2 Statistika, UMIST, UK, 1998 S3 Statistika, UGM, 2007 email : suhartono@statistika.its.ac.id phone : 5933867; 0818376367 (HP) 2. R. Mohamad Atok, S.Si., M.Si. S1 Statistika, ITS, 1995 S2 Statistika, IPB, 2004

MATERI PERKULIAHAN … 1. Pendahuluan 2. Konsep Dasar dalam Analisis Time Series 3. Model untuk Time Series yang Stasioner 4. Model untuk Time Series yang Nonstasioner 5. Identifikasi, estimasi parameter, dan diagnostic check model ARIMA 6. Peramalan dengan model ARIMA 7. Model untuk Time Series yang Musiman 8. Model ARIMAX : Analisis Intervensi, Model Variasi Kalender, Fungsi Transfer dan Neural Networks

BUKU ACUAN / Referensi … 1. Hanke, J.E. and Reitsch, A.G. (1995 & 2001) Business Forecasting, 5th and 7th edition, Prentice Hall. 2. Bowerman, B.L. and O’Connell, R.T. (1993) Forecasting and Time Series: An Applied Approach, 3rd edition, Duxbury Press: USA. 3. Makridakis, S., Wheelwright, S. C. and Hyndman, R. J. (1998) Forecasting: Method and Applications, New York: Wiley & Sons. 4. Cryer, J.D. (1986) Time Series Analysis, Boston: PWS-KENT Publishing Company. 5. Wei, W.W.S. (1990) Time Series Analysis: Univariate and Multivariate Methods Addison-Wesley Publishing Co., USA. 6. Brockwell, P.J. and Davis, R.A. (1991) Time Series: Theory and Methods, 2nd edition, Springer Verlag.

Peramalan & Perencanaan … 1  The Future Can Not Be Predicted Robert T. Kiyosaki books  The Future Can Not Be Predicted “PRECISELY”  New Paradigm  A PERSON WHO DOESN’T CARE ABOUT “THE PAST“ IS A PERSON WHO DOESN’T HAVE “THE FUTURE” 

Peramalan & Perencanaan … 2  Ramalan merupakan input bagi proses perencanaan dan pengambilan keputusan.  Peramalan menunjukkan perkiraan yang akan terjadi pada suatu keadaan tertentu.  Sebaliknya, perencanaan menggunakan ramalan tersebut untuk membantu para pengambil keputusan dalam memilih alternatif terbaik.  Dengan demikian, suatu ramalan mencoba untuk memper-kirakan apa yang akan terjadi, sedangkan perencanaan adalah upaya para pengambil keputusan untuk dapat mempengaruh hasil yang akan terjadi melalui berbagai strategis, misalnya rencana promosi, distribusi dll.

Apa itu ILMU (science) ... !!! ... ILMU (science) tidak lagi hanya meneliti : 1. BAGAIMANA dan APA SEBABNYA sesuatu itu terjadi, (to understand what’s going on) 2. MERAMALKAN apa yang akan terjadi, (to forecast what will happen) 3. tetapi juga MEMPENGARUHI atau MERUBAH apa yang akan terjadi (to CHANGE what will happen).

KRISIS MONETER 1997 ... ... Yang sangat menakjubkan adalah bahwa krisis luar biasa ini tidak ada seorangpun yang menduga akan terjadi termasuk pakar-pakar “PERAMAL MASA DEPAN” (futurolog). Para ekonom baik yang bekerja di pemerintahan maupun di luar pemerintah termasuk di dunia bisnis, bahkan pakar-pakar ekonomi kaliber dunia dari luar negeri tidak ada satupun yang mengira krisis moneter (keuangan) ini akan melanda Indonesia. ... (Mubyarto, Pemberdayaan Ekonomi Rakyat & Peranan Ilmu-Ilmu Sosial, Yogyakarta, 2002, hal. 43)

KRISIS MONETER 1997 ... [continued] ... Ternyata sampai “detik-detik terakhir” menjelang krismon, pakar-pakar ekonomi andal sekalipun yakin tidak akan terjadi krismon di Indonesia. Sebaliknya, jauh sebelum terjadinya, ada sejumlah pakar terutama pakar-pakar ilmu politik, sosiologi dan antropologi, yang telah memperingatkan kemungkinan meledaknya “bom waktu” jika ketimpangan-ketimpangan ekonomi dan sosial yang muncul tidak memperoleh perhatian sewajarnya. ... (Mubyarto, Pemberdayaan Ekonomi Rakyat & Peranan Ilmu-Ilmu Sosial, Yogyakarta, 2002, hal. 50)

D, I, K, Transition Analysis Correlating Summarizing Contextualisation Add Value Transformed INFORMATION KNOWLEDGE DATA by by Analysis Correlating Summarizing Contextualisation Experience Interpretation Discussion

Klasifikasi Metode Peramalan … References :  Makridakis et al.  Hanke and Reitsch  Wei, W.W.S.  Box, Jenkins and Reinsel Combination of Time Series – Causal Methods  Intervention Model  Transfer Function (ARIMAX)  VARIMA (VARIMAX)  Neural Networks

Klasifikasi Metode Peramalan : Ilustrasi Model Matematis … Examples :  sales(t) = f (sales(t-1), advert(t), advert(t-1), …)

Klasifikasi Model Time Series : Berdasarkan Bentuk atau Fungsi … References :  Timo Terasvirta, Dag Tjostheim and Clive W.J. Granger, (1994) “Aspects of Modelling Nonlinear Time Series” Handbook of Econometrics, Volume IV, Chapter 48. Edited by R.F. Engle and D.I. McFadden

POLA DATA Time Series … General Time Series “PATTERN”  Stationer  Trend (linear or nonlinear)  Seasonal (additive or multiplicative)  Cyclic  Calendar Variation

General of Time Series Patterns …  Nonseasonal Stationary models  Nonseasonal Nonstationary models  Seasonal and Multiplicative models  Intervention models

POLA DATA Time Series … continued Examples of “Calendar Variation” in Gregorian (Masehi) calendar measurement:  Eids holiday (one of Islamic Calendar effects) It happens on different month after three years or shift to previous month after at the same month on three years  Hindu’s holidays in Bali  Imlek holiday

Contoh DATA EKONOMI … 1 1 Eids holiday effects 12 11 12 12 1 12 11 11

Krisis di Indonesia Pertengahan 1997 Contoh DATA EKONOMI … 2 Krisis di Indonesia Pertengahan 1997 Reference :  Badan Pusat Statistik (BPS) Indonesia

Krisis di Indonesia Terjadi Mulai Pertengahan 1997 Contoh DATA EKONOMI … 3 Krisis di Indonesia Terjadi Mulai Pertengahan 1997 Reference :  Dinas Perhubungan Jawa Timur

Krisis di Indonesia Terjadi Mulai Pertengahan 1997 Contoh DATA EKONOMI … 4 Krisis di Indonesia Terjadi Mulai Pertengahan 1997 Reference :  Dinas Perhubungan Jawa Timur

Krisis di Indonesia Pertengahan 1997 Contoh DATA TOURISM … 5 Krisis di Indonesia Pertengahan 1997 Reference :  Badan Pusat Statistik (BPS) Bali

Krisis di Indonesia Terjadi Mulai Pertengahan 1997 Contoh DATA TOURISM … 6 Krisis di Indonesia Terjadi Mulai Pertengahan 1997 Bom BALI Reference :  Badan Pusat Statistik (BPS) Bali

Contoh DATA HIDROLOGI … 7

Keterangan : Data penjualan SARDEN di PT Blambangan Jaya, Banyuwangi Contoh Data EKONOMI … 8 Keterangan : Data penjualan SARDEN di PT Blambangan Jaya, Banyuwangi

Model ARIMA The Box-Jenkins methodology … 1. Tentative IDENTIFICATION  historical data are used to tentatively identify an appropriate ARIMA model. 2. ESTIMATION  historical data are used to estimate the parameters of the tentatively identified model. 3. DIAGNOSTIC CHECKING  various diagnostics are used to check the adequacy of the tentatively identified model,  if need be, to suggest an improved model, which is then regarded as a new tentatively identified model. 4. FORECASTING  once a final model is obtained, it is used to forecast future time series values.

Flow Diagram of Box-Jenkins …  Stationary and non- stationary time series  ACF dan PACF (theoritical) 1. Tentative IDENTIFICATION NO 2. Parameter ESTIMATION  Testing parameters 3. DIAGNOSTIC CHECKING  [ Is the model adequate? ]  White noise of residual  Normal Distribution of residual YES 4. FORECASTING  Forecast calculation

INFORMASI LEBIH LANJUT ... Literature dan websites  Forecasting website  www.forecastingprincipales.com  www.neural-forecasting.com atau www.bis-lab.com Journals  Forecasting ... General literature !  Journal of Time Series Analysis  JBF  Journal of Business Forecasting  IJF  International Journal of Forecasting  JoF  Journal of Forecasting Softwares  MINITAB   SPSS  SAS …