perbandingan model pada data deret waktu...
TRANSCRIPT
![Page 1: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/1.jpg)
PERBANDINGAN MODEL PADA DATA DERET WAKTU PEMAKAIAN LISTRIK JANGKA PENDEK YANG MENGANDUNG POLA
MUSIMAN GANDAOLEHGUMGUM DARMAWAN, SUHARTONO
![Page 2: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/2.jpg)
PENDAHULUAN
MODEL DATA DERET WAKTU BERDASARKAN PARAMETER PEMBEDA (d)
ARMAd = 0
ARIMAd≠0, d = bil.bulat
ARFIMAd= bil.Pecahan
![Page 3: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/3.jpg)
LATAR BELAKANG MASALAH(1)
Granger dan Joyeux(1980)
Hosking(1981)
Sowell (1992)Geweke dan
Porter-Hudak(1983)
Reisen(1994) Robinson(1995)
Hurvich danRay(1995)
Velasco(1999a)Velasco(1999b)
Beran(1994)
![Page 4: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/4.jpg)
PERMASALAHAN
Bagaimana membandingkan ketepatan ramalan Model ARFIMA dengan Model ARIMA pada data pemakaian listrik jangkapendek yang mengandung pola musimanganda.
![Page 5: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/5.jpg)
MODEL ARFIMA Musiman Ganda
adalah polinomial AR(p)nonmusimanadalah polinomial MA(q) nonmusimanOperator pembedaPecahan
Operator Pembedamusiman pertama denganperiode S1Operator Pembedamusiman kedua denganperiode S2
pp
221 B..BB1)B(
2 q1 2 q( B ) 1 B B .. B
11
22
d kd k
k 0
Ds
Ds
d1 B 1 Bk
1 B
1 B
1 21 1 2 2
1 2
1 2
1 2
1 1 1D Dd s s s s
p P P t q
s sQ Q t
B B B B B B z B
B B a
![Page 6: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/6.jpg)
MODEL ARFIMA Musiman Ganda
1 1 1 1 11 1
2 2 2 2 22 2
1 1 1 1 11 1
2 22
21 2
21 2
21 2
1 2
( ) 1 ..
( ) 1 ..
( ) 1 ..
( ) 1
s s s PsP P
s s s P sP P
s s s QsQ Q
s sQ
B B B B Polinomial AR musiman pertama
B B B B Polinomial AR musiman kedua
B B B B Polinomial MAmusiman pertama
B B
2 2 22
2 ..s Q sQ
t
B B Polinomial MAmusiman kedua
a sisa yang diasumsikan berdistrib usi Normal
![Page 7: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/7.jpg)
IDENTIFIKASI MODEL ARFIMA MusimanGanda
a) Membuat plot data deret waktudan pilih transformasi yang sesuai untuk menstabilkan varian, jika data tidak stasioner dalam varian.
b) Menaksir nilai d (parameter pembeda) melaluistatistik Hurst.
Jika H = 0,5 menunjukan gejala Short memory 0<H<0,5 menunjukan gejala Intermediate Memory 0,5<H<1 menunjukan gejala Long Memory
Dari nilai H dapat diperoleh nilai d melaluipersamaan Hurst sebagai berikut d = H-1/2.
c) Membuat plot ACF dan PACF untuk memperkirakanparameter p dan q
![Page 8: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/8.jpg)
PENAKSIRAN PARAMATER
a) Penaksiran Parameter pembeda (d)a.1 Menentukan model spektral ARFIMA
a.2 Menentukan bentuk logaritma natural dari model ARFIMA
2 2d2qa
Z
exp( i )f 2sin , ,
2 exp( i ) 2
dengan
2 WW j
W
jZ j
j
fln f ln f 0 dln 1 exp(i ) ln
f 02 j, j 1,2,.... T / 2T
![Page 9: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/9.jpg)
PENAKSIRAN PARAMATER MODEL ARFIMA
a.3 Menambahkan bentuk logaritma natural periodogram pada persamaan pada a.2
a.4 Menentukan bentuk periodogram dari persamaana.3.GPH
i jf I2 j jW Z
ln I ln f 0 dln1 exp ln lnjZ W f 0 fW jZ
g(T )
Z j 0 j jj 1
1I 2 cos( ) , ,
2
![Page 10: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/10.jpg)
PENAKSIRAN PARAMATER MODEL ARFIMA
a.5 Menaksir parameter d melalui metode Ordinary Least Square .
g T
j jj 1
g n 2j
j 1
x x y yd̂ , g ( T ) T ,0 1
x x
2
j Z j j jY lnI , X ln1 exp( i )
![Page 11: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/11.jpg)
Uji Diagnostik Model ARFIMA
1. Uji Signifikansi Parameter2. Uji White Noise dari Sisa3. Uji Asumsi Normalitas Sisa
![Page 12: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/12.jpg)
KRITERIA PEMILIHAN MODEL ARFIMA
Mean Square Error (MSE)
K = banyaknya sisa
M = banyaknya parameter yang diduga
Akaike’s Information Criterion
T = banyaknya observasi= estimasi dari Mean Square Error
MSE = SSE/(K - M)
M2ˆlnTAIC 2a
2a
![Page 13: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/13.jpg)
KRITERIA PEMILIHAN MODEL ARFIMA
Mean Absolut Percentage Error (MAPE)
h = 1, 2, 3, …, H.h = banyaknya observasi yang akan
diramalkan (out-sample)
Hh
h 1 T h
e1M APE x100%H z
h T h Tˆe Z Z h
![Page 14: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/14.jpg)
METODE PENELITIAN
Identifikasi Modela.) Membuat plot dari data deret waktu dan tentukan transformasi
yang sesuai untuk menstabilkan varian, jika data tidak stasioner dalam varian.
b) Mengidentifikasi nilai d melalui statistik Hurst.c) Membuat plot ACF dan PACF dari data deret waktu untuk
memperkirakan parameter p dan q.
Penaksiran ParameterModel yang telah diidentifikasi sebagai model ARFIMA selanjutnya dilakukan penaksiran parameternya.
![Page 15: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/15.jpg)
METODE PENELITIAN
Uji Diagnostika) Menguji signifikansi parameter model. Semua parameter
yang diikut sertakan dalam model harus signifikan. Pegujian signifikansi biasanya menggunakan α = 0,05.
b) Memeriksa sampel ACF dari sisa untuk mengevaluasi apakah deret dari sisanya sudah tidak berkorelasi.
c) Menguji Normalitas dari sisa melalui uji Kolmogorov –Smirnov.
PeramalanJika model sudah memenuhi semua asumsi pada Uji Diagnistik dilakukan peramalan. Dan jika terjadi lebih dari satu model dapat dilakukan pemilihan model.
![Page 16: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/16.jpg)
APLIKASI MODEL ARFIMA Untuk DATA PEMAKAIAN LISTRIK DI PULAU BATAM
Time
Data
0 1000 2000 3000 4000 5000 6000 7000
8010
012
014
016
0
Lag
Aut
ocor
rela
tion
200180160140120100806040201
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Autocorrelation Function for x(with 5% significance limits for the autocorrelations)
Lag
Part
ial A
utoc
orre
lati
on
200180160140120100806040201
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Partial Autocorrelation Function for x(with 5% significance limits for the partial autocorrelations)
Scatterplot Data Deret Waktu Pola ACF Data Deret Waktu Pola PACF Data Deret Waktu
Lag
Aut
ocor
rela
tion
200180160140120100806040201
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Lag
Aut
ocor
rela
tion
200180160140120100806040201
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Lag
Aut
ocor
rela
tion
200180160140120100806040201
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
Pembedaan p = 168 Pembedaan p = 24, 168 Pembedaan p = 1, 24, 168
![Page 17: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/17.jpg)
Pencarian Model ARFIMA TERBAIK
-311470,0257Sampai lag 480,535p = (1,2,3)(24,48), q = (1,2,3,4)(24)(168)10
-296640,0289Sampai lag 240,400p = (1,2,3)(24,168), q = (1,2,3,4)(24)9
-310340,0260Sampai lag 180,400p = (1,2,3), q = (1,2,3,4)(168)8
-3109,60,0258Sampai lag 180,400p = (1,2,3), q = (1,2,3,4)(24,168)7
-310280,0260Sampai lag180,447p = (1,2,3), q = (1,2,3,4)(168)6
-310380,0259Sampai lag 180,447p = (1,2,3), q = (1,2,3,4)(24,48)(168)5
-296740,0289Sampai lag 180,447p = (1,2,3)(24,168), q = (1,2,3,4)(24)4
-296740,0290Sampai lag 180,447p = (1,2,3)(24,168), q = (1,2,3,4)3
-311010,0258Sampai lag 180,447p = (1,2,3), q = (1,2,3,4)(24,168)2
-311050,0258Sampai lag 360,447p = (1,2,3), q = (1,2,3,4)(24)(168)1
AICMSEWhite NoiseNilai dParameter p dan qNO
![Page 18: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/18.jpg)
MODEL ARIMA DAN ARFIMA TERBAIK
Model ARIMA(2,0,0)(1,1,0)24 (1,1,0)168
Model ARFIMA(3,d,4)(0,0,2)24 (0,1,1)168dengan d = 0,535
2 24 24 168 1681 0,739 1,87 1 0,452 1 1 1 0,534t tB B B B B B z a
0,5352 3 168 2 3 4
24 48 168
1 1,78 1,72 0,75 1 1 1 1,51 1,5 0,56 0,05
1 0,12 0,06 1 0,87
t
t
B B B B B z B B B B
B B B a
![Page 19: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/19.jpg)
Pemilihan Model Terbaik Model ARIMA dan ARFIMA
h
Sisa
Mod
el 1
100806040200
0.08
0.06
0.04
0.02
0.00
-0.02
-0.04
-0.06
0
h
Sisa
Mod
el 2
100806040200
0.08
0.06
0.04
0.02
0.00
-0.02
-0.04
-0.06
0
0,9%0,0245-31.147ARFIMA(3,d,4)(0,0,1)24(0,1,1)168 , d = 0,535
1,8%0,0346-27.005ARIMA(2,0,0)(1,1,0)24(1,1,0)168
MAPEMSEAICMODEL
Scatterplot Sisa Model ARIMA Scaterplot Sisa Model ARFIMA
![Page 20: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/20.jpg)
KESIMPULAN
Berdasarkan hasil analisis model Double Seasonal ARFIMA lebih baik dibandingkandengan model Double Seasonal ARIMA dalammemodelkan pemakaian listrik di Pulau Batam, dilihat dari nilai AIC, MSE dan MAPE
![Page 21: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/21.jpg)
DAFTAR PUSTAKA Geweke J dan Porter-Hudak,S. (1983), “The Estimation and Application of
Long Memory Time Series Models”, Journal of Time series Analysis,Vol. 4, hal. 221-238.
Granger, C. W. J. dan Joyeux,R. (1980), “An Introduction to Long-Memory Time Series Models and Fractional Differencing”, Journal of Time Series Analysis, Vol. 1, hal. 15-29.
Hosking, J.R.M. (1981), “Fractional Differencing”, Biometika, Vol. 68, hal. 165-176.
Hurst, H.E. (1951), “Long-Term Storage of Reservoirs: An Experimental Study”, Transactions of the American Society of Civil Engineers, Vol. 116, hal. 770-799.
Lopes, S.R.C dan Nunes,M.A. (2006), ”Long Memory Analysis in DNA Sequences”, Physica A, Vol. 361, hal. 569-588.
Lopes, S.R.C.,Olberman,B.P dan Reisen,V.A. (2004), ”A Comparison of Estimation Methods in Non-Stationary ARFIMA Processes”, Journal of Statistical Computation & Simulation, Vol. 74, No. 5, hal. 339-347.
![Page 22: PERBANDINGAN MODEL PADA DATA DERET WAKTU …pustaka.unpad.ac.id/wp-content/uploads/2010/01/perbandingan_model... · perbandingan model pada data deret waktu pemakaian listrik jangka](https://reader031.vdocuments.site/reader031/viewer/2022020114/5bc97f8c09d3f243588d1e00/html5/thumbnails/22.jpg)
TERIMA KASIH