Metode Peramalan Deret Waktu

Transkripsi

1 6//5 Meode Peramalan Dere Waku Dr. Fari M. Afendi, M.Si Pika Silviani, M.Si Wha is a forecas? Why Forecas? Forecasing How o Forecas Forecas Types

2 6//5 enables us o do somehing abou i. o discern wha is mos likely o happen in he fuure, hps://researchplaybook.wordpress.com//8/5/why do we forecas/ Good Forecasing

3 6//5 We gain insigh ino wha could happen nex. This insigh allows users of he forecas o ake acion and influence he vision of he fuure offered by he forecaser. Forecasing Types Qualiaive forecasing echniques are subjecive, based on he opinion and judgmen of consumers, expers; hey are appropriae when pas daa are no available. Predicing he impac of gasoline price if and when i his rp../lr. Quaniaive forecasing models are used o forecas fuure d daa as a funcion of pas d daa; hey are appropriae when pas daa are available. (hp://en.wikipedia.org/wiki/forecasing#qualiaive_vs._quaniaive_mehods ) 3

4 6//5. Informaion abou he pas is available.. This informaion is available in he form of numerical daa 3. Assumpion of coninuiy: I can be assumed ha some aspecs of he pas paern will coninue ino he fuure. Coninuiy assumpion is also need for qualiaive forecasing hps://web.nji.edu/ daa yang diamai berdasarkan uruan waku dengan renang yang sama (jam, hari, minggu, bulan, ahun, db) dsb) Misalnya : daa ekspor gula ahunan, daa nilai ukar rupiah harian, dsb. peranian Daa produksi beras ahunan

5 6//5 Kapan daa didekai dengan meode dere waku? Daa keuangan Daa Sok Barang Kalau diduga kua bahwa keragaman dalam daa ada fakor waku yang dominan (fakor fakor lain yang mempengaruhi, juga dipengaruhi waku) Daa supply demand Daa daya ukar nilai uang Daa dere waku secara eoriis diulis sebagai: dimana Secara garis besar, daa DW dibedakan menjadi dua, yaiu sasioner dan idak sasioner Dikaakan sasioner apabila daa DW memiliki nilai engah (raaan) dan ragam (flukuasi) yang konsan dari waku ke waku 5

6 6// EKSPOR PROFIT Sequence number Sequence number Secara garis besar pola daa ime series adalah: Pola Daa Horizonal Terjadi bila daa berflukuasi di sekiar raa raa yang konsan. Conoh: Daa penjualan yang konsan Pola Daa Musiman Terjadi bilamana suau dere dipengaruhi oleh fakor musiman (misalnya kuaral ahun erenu, bulanan, aau hari hari pada minggu erenu) Conoh: Daa produksi anaman Pola Daa Siklis Terjadi bila daa dipengaruhi oleh flukuasi ekonomi jangka panjang seperi yang berhubungan dengan siklus bisnis. Conoh: Penjualan mobil Pola Daa Trend Terjadi bilamana kenaikan aau penurunan sekuler jangka panjang dl dalam d daa Conoh: GNP Pola Gabungan anara beberapa pola yang elah disebukan diaas. 6

7 //5 Pola Daa Time Series Time Series plo sanga pening unuk meliha pola daa dere waku yang akan kia analisa lebih lanju. Dibawah ini adalah conoh daa dere waku penjualan yang memiliki pola musiman Konsan Trend penjua alan Time Series Plo of penjualan Seasonal Cyclic 8 35 Index Problem definiion Daa Collecion Daa Analysis Pemulusan Forecasing Model Deploymen Model Validaion Model Selecion and Fiing Peramalan Pemodelan Monioring Forecasing Model Performance

8 6//5 ARIMA (Auoregressive Inegraed Moving Average) pada dasarnya menggunakan fungsi dere waku, meode ini memerlukan pendekaan model idenifikasi sera penaksiran awal dari paramaernya. Sebagai conoh: peramalan nilai ukar maa uang asing, pergerakan nilai IHSG. Regresi menggunakan dummy variabel dalam formulasi maemaisnya. Sebagai conoh: kemampuan dalam meramal sales suau produk berdasarkan harganya. Bayesian merupakan meode yang menggunakan sae space berdasarkan model dinamis linear (dynamical linear model). Sebagai conoh: menenukan diagnosa suau penyaki berdasarkan daa daa gejala (hiperensi aau saki janung), mengenali warna berdasarkan fiur indeks warna RGB, mendeeksi warna kuli (skin deecion) berdasarkan fiur warna chrominan. Meodesmoohing dipakai unuk mengurangi keidakerauran daa yang bersifa musiman dengan cara membua keseimbangan raa raa dari daa masa lampau. Meode Pemulusan (Smoohing) Raa raa bergerak unggal (single moving average) uk daa sasioner Pemulusan exponensial unggal (single exponenial smoohing) uk daa sasioner Pemulusan exponensial ganda (double exponenial smoohing) uk daa idak sasioner Pemulusan Meode Winer uk daa yang ada fakor musiman Meode Pemodelan Box Jenkins (ARIMA) qualiaive forecasing echniques relied on human judgmens and inuiion more han manipulaion of pas hisorical daa, aau meode yang hanya didasarkan kepada penilaian dan inuisi, bukan kepada pengolahan daa hisoris. 8

9 6//5 Beberapa ukuran yang dapa dipakai unuk penilaian seberapa baik meode mengepas daa: Mean Absolue Deviaion (MAD) n MAD = X Xˆ n = Mean Squared Deviaion (MSD) MSD = ( X Xˆ ) n n = Mean Absolue Percenage Error (MAPE) n X ˆ X MAPE = % n X = AIC (Akaike informaion crierion) BIC (Bayesian informaion crierion) TUGAS MINGGU DEPAN No. Pokok Bahasan Perkiraan Waku Dafar (meni) Kepusakaan. Pendahuluan x : Bab. Meode Pemulusan Raaan Bergerak x Sederhana (RBS) dan Raaan Bergerak Ganda (RBG) 3. Meode Pemulusan Eksponensial x : Bab Sederhana. Meode Pemulusan Eksponensial x : Bab Ganda 5. Meode Pemulusan Winer (Adiif) x : Bab 6. Meode Pemulusan Winer (Muliplikaif). Model Regresi unuk Daa Dere Waku () x : Bab x : Bab 8. Model Regresi unuk Daa Dere Waku x : Bab () 9. Model Regresi unuk Daa Dere Waku x : Bab (3). Mdl Model Regresi dengan peubah bh lag x 3 : Bab dan Bab 3. Pemodelan Daa Dere Waku Sasioner Berdasarkan Noise x : Bab. Pengidenifikasian Model x 3. Pendugaan Parameer Model, x Diagnosik dan Peramalan (). Pendugaan Parameer Model, Diagnosik dan Peramalan () x : Bab 6 : Bab dan Bab 8 : Bab 9 9

10 6//5. Mongomery, D.C., e.al. 8. Forecasing Time Series Analysis nd. John Wiley. Cryer, J.D. and Chan, K.S. 8. Time Series Analysis wih Applicaion in R. Springer 3. Abraham, B and Ledoler, J. 5. Saisical Mehods for Forecasing, John Wiley. Hyndman, R.J and Ahanasopoulos, G. 3. Forecasing: principles and pracice Carilah daa dere waku dalam bidang keilmuan anda (minimal series), bua plo dere wakunya dan berikan komenar anda Conoh: