Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
MODEL UNTUK RUNTUN WAKTU NON STASIONER
3
Data Runtun Waktu yg cenderung Tidak Stasioner
5
STASIONER MELALUI DIFERENSI
12
Model ARIMA
17
MODEL IMA(1,1)
20
MODEL IMA(2,2)
22
MODEL ARI(1,1)
26
SUKU-SUKU KONSTAN DALAM MODEL ARIMA
31
TRANSFORMASI YANG LAIN
Kita telah melihat bagaimana diferensi dapat menjadi transformasi yang berguna untuk mencapai stasioneritas. Akan tetapi transformasi logaritma mungkin diikuti oleh diferensi, juga merupakan metode yang berguna dalam keadaan khusus. Kita sering menemui runtun waktu dimana kenaikan dispersi nampak diasosiasikan dengan kenaikan level dari runtun waktu lebih besar dari runtun waktu, variasi lebih terdapat di sekitarnya dan sebaliknya.
33
PERUBAHAN PERSENTASE
34
TRANSFORMASI PANGKAT
35
TERIMA KASIH
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.