PERAMALAN.

Presentasi berjudul: "PERAMALAN."— Transcript presentasi:

1 PERAMALAN

2 Salah satu tujuan utama dari pembangunan model untuk runtun waktu adalah dapat meramal nilai-nilai untuk runtun waktu yang akan datang. Kita juga akan menilai ketepatan dari peramalan. Dalam bab ini kita akan memperhatikan perhitungan dan sifat-sifatnya untuk model trend deterministik dan untuk model ARIMA.

3 Untuk sebagian besar, kita akan mengasumsikan bahwa model diketahui secara eksak termasuk nilai khusus untuk semua parameter. Meskipun hal ini tidak pernah benar secara praktis untuk sampel besar penggunaan parameter tidak berakibat secara serius pada peramalan.

4 PERAMALAN MSE MINIMUM

5 TREND DETERMINISTIK

6

7 PERAMALAN ARIMA Untuk model ARIMA, peramalan dapat diexpresikan dalam beberapa cara. Masing-masing ekspresi berkontribusi dengan pengertian kita dari prosedur peramalan keseluruhan dalam kaitan dengan penghitungan, updating, penilaian ketepatan atau tingkah laku peramalan jangka panjang.

8

9

10

11

12

13

14

15

16

17 RANDOM WALK DENGAN DRIF

18

19 HASIL-HASIL UNTUK KASUS ARMA STASIONER UMUM

20

21

22

23

24

25

26 MODEL ARIMA NONSTASIONER

27

28

29 Trend Deterministik

30 Untuk runtun temperatur bulanan rata-rata dengan trend kosinus, kita telah memprediksi rata-rata bulan Januari 19,6o F dan rata- rata bulan Juni sebagai 68,3o F, masing-masing deviasi standard dari kesalahan peramalan 3,7o F. Jadi batas 95 % prediksi untuk Januari dan Juni masing-masing adalah 19,6  1,96 (3,7) = 19,6  7,25 = 12,35 o sampai 26,85 o F 68,3  1,96 (3,7) = 68,3  7,25 = 61,05 o sampai 75,55 o F Exhibit 9.2 menunjukkan plot dari peramalan dan batas atas dan batas bawah batas prediksi 95 % atas satu tahun penuh dari Januari sampai dengan Desember.

31

32

33 PERAMALAN DAN BATAS PREDIKSI DENGAN R

34

35 UPDATING PERAMALAN ARIMA
Misalkan kita meramal runtun waktu yang tersedia pada basis bulanan. Pengamatan terakhir kita adalah Pebruari dan kita ingin menilai untuk Maret, April dan Mei. Sejalan bertambahnya waktu, nilai aktual untuk Maret diketahui. Dengan menggunakan data baru ini, kita ingin memperbaharui atau merevisi atau meningkatkan peramalan kita untuk bulan April dan Mei. Tentu saja kita dapat menghitung peramalan kita dari awal, tetapi ada cara yang lebih sederhana.

36

37

38 PERAMALAN BERBOBOT DAN EWMA

39

40

41 PERAMALAN RUNTUN WAKTU TRANSFORMASI

42

43

44

45 TERIMA KASIH