Pertemuan Metodologi analisis

Presentasi berjudul: "Pertemuan Metodologi analisis"— Transcript presentasi:

1 Pertemuan 17-18 Metodologi analisis
Matakuliah : I0224/Analisis Deret Waktu Tahun : 2007 Versi : revisi Pertemuan Metodologi analisis

2 menunjukkan alat metodologi analisis deret waktu
Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : menunjukkan alat metodologi analisis deret waktu

3 Koefisien autokorelasi Koefisien autokorelasi parsial
Outline materi Plot data Koefisien autokorelasi Koefisien autokorelasi parsial

4 Plot data Langkah pertama yang baik untuk menganalisis data deret waktu adalah membuat grafik data Plot data aslinya Plot data moving average Perhatikan adanye kecenderung: trend atau musiman

5 Koef. autokorelasi Korelasi deret waktu dengan dengan deret waktu itu sendiri dengan selisih waktu (time lag)1, 2 atau lebih periode. Koefisien autokorelasi dengan time lag k ∑ (Yt- Ybar)(Yt+k – Ybar) rk = ∑(Yt – Ybar)2

6 Sebaran autokorelasi Koefisien autokorelasi dari data acak mempounyai sebaran mendekati kurva normal dengan nilai tengah nol dan simpangan baku 1/√n

7 Uji Box-Pierce untuk sekumpulan nilai rk didasarkan pada statistik Q m
Sebaran autokorelasi Uji Box-Pierce untuk sekumpulan nilai rk didasarkan pada statistik Q m Q = n ∑ rk2 k=1 Memiliki sebaran Khi-Kuadrat dengan derajad bebas m

8 Periode Nilai aktual 1 23 13 86 25 17 2 59 14 33 26 45 3 36 15 90 27 9 4 99 16 74 28 72 5 7 29 6 18 54 30 19 98 31 8 20 50 32 21 10 22 34 68 11 89 65 35 87 12 77 24 44

9 Dari data tersebut diperoleh koefisien autokorelasi sbb:
Lag Autokorelasi 1 0.103 2 0.099 3 -0.043 4 -0.031 5 -0.183 6 0.025 7 0.275 8 -0.004 9 -0.011 10 -0.152

10 Standar deviasi bagi autokorelasi
Jika autokorelasi=0, maka dengan selang kepercayaan 95% nilai -1.96 (0.167) < rk < 1.96 (0.167 < rk < 0.327

11 Dari hasil analisis autokorelasi dari lag 1 hingga 10, ternyata nilainya tidak termasuk dalam selang kepercayaan Sehingga data dapat dikatakan bersifat acak (random)

12 Lag Autokorelasi 1 0.103 2 0.099 3 -0.043 4 -0.031 5 -0.183 6 0.025 7 0.275 8 -0.004 9 -0.011 10 -0.152 Nilai Box-Pierce Q= 36 Σrk2 = 5.62

13 Nilai Q=5.62 < 18.3070 maka ke sepuluh rk tidak berbeda dari nol
Uji sekumpulan rk Nilai Khi-kuadrat dengan derajat bebas m=10 dan alpha=0.05 adalah Nilai Q=5.62 < maka ke sepuluh rk tidak berbeda dari nol (autokorelasi tidak nyata)

14 Apabila genap, paling banyak (N-2)/2 gelombang sinus
Analisis spektral Salah satu cara ntuk menganalisis data deret waktu adalah menguraikan data dalam himpunan gelombang sinus Deret waktu yang terdiri dari N buah dapat dicocokkan ke sejumlah gelombang sinus Apabila n ganjil, paling banyak dapat dicocokkan (N-1)/2 gelombang sinus Apabila genap, paling banyak (N-2)/2 gelombang sinus

15 Koefisien korelasi parsial
Autokorelasi parsial digunakan untuk mengukur tingkat keeratan antara Xt dan Xt-k, apabila pengaruh dari time lag 1,2,3,..sampai (k-1) dianggap terpisah Dapat membantu menetapkan model ARIMA yang tepat untuk peramalan

16 Rangkuman Penetapan model peramalan deret waktu dapat diidentifikasi melalui besaran autokorelasi dari beberapa time lag