Professional Documents
Culture Documents
Analisis Data II
Nomer 7
15
Data_Asli
10
Dari time series plot di atas terlihat plot belum stationer. untuk mengetahui kondisi stasioneritas data maka perlu dilakukan identifikasi. Kestasioneran dalam varians dapat dilihat dari identifikasi dengan menggunakan transformasi Box-Cox.
6
StDev
2 Limit -3 -2 -1 0 1 2 Lambda 3 4 5
Gambar boxplot diatas belum stasioner terhadap varians maka dilakukan transformasi data karena pada batas atas dan batas bawah belum memuat 1, atau dilihat rounded value yang masih bernilai 0.00, sehingga dilakukan transformasi.
Box-Cox Plot of C3
1.4 1.2 1.0
Lower C L Upper C L Lambda (using 95.0% confidence) Estimate Lower C L Upper C L Rounded Value 0.86 0.56 1.19 1.00
StDev
0.8 0.6 0.4 0.2 Limit 0.0 -5.0 -2.5 0.0 Lambda 2.5 5.0
Gambar diatas menunjukkan bahwa data upper dan lower yang telah memuat nilai 1. Sehingga untuk langkah selanjutnya yaitu melihat kestasioneran dalam rata-rata.
2.5
Box_2
2.0
1.5
1.0
Time series plot di atas terlihat plot belum stationer terhadap varian, maka data yang ada di difference
Time Series Plot diatas menunjukkan data sudah stasioner terhadap varian
Diff_1
0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 1 5 10 15 20 25 Lag 30 35 40 45 50
AR1
SS = 283.391 (backforecasts excluded) MS = 1.330 DF = 213 SS = 279.748 (backforecasts excluded) MS = 1.313 DF = 213
MA1
Berdasarkan Tabel diatas menunjukkan bahwa model terbaik adalah ARMA (1,1,1). Karena berdasarkan kriteria model terbaik yaitu MAPE dan RMSE nilainya lebih kecil jika dibandingkan dengan nilai AR1 (1,0,0) dan MA1 (0,1,1) Setelah itu kita dapat meramalkan 10 bulan ke depan yaitu
95% Limits Forecast Lower Upper Actual 217 16.8301 14.7288 18.9314 218 16.7502 14.2893 19.2111 219 16.7396 14.1381 19.3411 220 16.7659 14.0936 19.4382 221 16.8118 14.0955 19.5281 222 16.8682 14.1194 19.6169 223 16.9301 14.1545 19.7058 224 16.995 14.1952 19.7949 225 17.0615 14.239 19.884 226 17.1289 14.2845 19.9732
Period