Prof. Dr. Ir. Loekito Adi Soehono, M.Agr Pertemuan 4 Eksplorasi Data Lebih Dari Dua Dimensi dan Data Time Series Prof. Dr. Ir. Loekito Adi Soehono, M.Agr
Konsep Mahasiswa mampu memahami: Manfaat Matriks Korelasi Memahami Data Time Series
Correlation Matrix IPDW
Correlation Matrix IPDW
Correlation Matrix IPDW
Grafik Plot Korelasi
Uji Signifikansi untuk Korelasi Hipotesis H0: ρ = 0 (tak ada korelasi) HA: ρ ≠ 0 (ada korelasi) Uji Statistik (dgn n – 2 der. kebebasan)
Statasioner Data Deret Waktu Langkah pertama yang penting dalam memilih suatu model deret waktu adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Dengan melihat plot data beserta fungsi autokorelasi sampel dapat diketahui apakah data sudah stasioner atau belum, dan apakah terdapat unsur musiman. Stasioner berarti bahwa tidak ada perubahan sistematis pada data deret waktu. Rata-rata dan variansi dari fluktuasi konstan setiap waktu.
Stasioner Ragam Data dikatakan stasioner terhadap ragam, apabila ragam dari data tidak berfluktuasi terlalu besar dari waktu ke waktu. Jika data tidak stasioner pada ragam, maka harus ditransformasi terlebih dahulu dengan transformasi Box-Cox sebagai berikut : di mana λ adalah parameter transformasi.
Stasioner Rata-Rata Data dikatakan stasioner pada nilai tengah apabila pada plot autokorelasi, 95% dari data masuk ke dalam selang ± 1.96 .
Contoh Soal Tahap pertama dalam melakukan peramalan yaitu dengan memplotkan data Harga Emas 23 Karat, yang berasal dari survei mingguan mulai bulan Mei 2005 hingga April 2006
Contoh Soal Berdasarkan hasil plot Box-Cox seperti yang terlihat pada gambar, diperoleh nilai λ = 1.011 (λ ≈ 1). Hal ini menunjukkan bahwa data hasil transformasi sudah stasioner terhadap ragam.
Contoh Soal Dari Gambar di atas, terlihat bahwa data belum stasioner terhadap nilai tengah. Plot ACF (Autocorrelation Function) dari suatu data dipergunakan sebagai pembuktian stasioneritas data terhadap nilai tengah. Maka data perlu di differencing
Contoh Soal
Tugas Carilah data time series, periksalah stasioneritas dari data tersebut (lakukan secara manual dan menggunakan software)