Arima_habib Setya Waldani
-
Upload
habib-setya-waldani -
Category
Documents
-
view
257 -
download
0
description
Transcript of Arima_habib Setya Waldani
Kasus: Harga Minyak Internasional Bulanan Jenis WTI (West Texas Intermediate)
Dari data harga minyak internasional bulanan jenis WTI periode januari 1986 – November 2014 akan dilakukan peramalan dengan metode ARIMA pada program EViews 7.
Langkah pertama dalam melakukan peramalan adalah dengan identifikasi, estimasi, diagnostic cheking dan selnjutnya dilakukan peramalan.
a. Identifikasi
Dari data kita menampilkan grafik perkembangan harga minyak internasional jenis WTI.
0
20
40
60
80
100
120
140
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
WTI
Gambar dits menunjukkan harga minyak dunia meningkt tjm pada tahun 2007 dan kemudian turun lagi pada tahun yang sama. Pola trend tersebut menunjukkan data yng diperoleh tidak stasioner meskipun tidak terllu jelas.
Untuk memastikn data tersebut stasioner atu tidak kita dapat melakukan pengujian dengan correlogram dan uji stasioneritas DF atau ADF.
Dari hasil uji correlogram terlihat ACF menurun lambat dan PACF setelah lag 1 tidak signifikan secara statistic. Hal ini menunjukkan ciri – ciri bahwa variable tersebut tidak stasioner pada derajt nol.
Selanjutnya kita melaukn uji stasioneritas dengan metode Dicky Fuller (DF) pada derajat nol.
Dari uji DF dan ADF yng dilakukan pada derajat nol memperlihtkan bahwa hasil perhitungn masih lebih kecil dari nilai kritis. Hal ini semakin memperkuat bahwa data belum stasioner. Selnjutnya akan dicoba dilakukan uji DF dan ADF dengan derajat pertama
Setelh dilaukan uji pada derajat pertama menghasilkan estimasi yang konsisten nimana nilai ADF dan DF lebih besar dari nilai kritis. Sehingga dapat disimpulakan bahwa data tersebut stasioner pada derajat 1 (d=1).
Selanjutnya berdasaran correlogrm pada derajt pertama n menghasiln gmbar sebagai berikut
Grafi dalam derajt pertama jug berubh menjadi seperti berikut :
-30
-20
-10
0
10
20
86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
DWTI
Dari grafi tersebut dapt diihat bahwa data tida lagi menunjuan pola tren atu dengan kata lain data sudah stasioner.
b. Estimasi
Berdasarkan pengamatan diagram PC, dietahui bahwa lag dependen yang digunan adalah 1, 5, 6, 13, 25, 26 dari pengamtan diagram AC, lag residual yang digunakan adalah 1, 2, 5, 6, 7, 13, 14, 25. Sehingga kita dapat melaukan estimasi menggunkn odel yng eudian akan ditulis pada new object-> eqution seperti ini.
Kemudian menghasilkan estimasi model ARIMA sebgi berikut.
c. Diagnostic Cheking
Lakukan diagnostic checking, dengan klik View/Residual Tests/Correlogram Q statistics, isikan lag 32. Dari hasil uji diagnostik, dapat disimpulkan bahwa model sudah baik. (Lihat plot autokorelasi yang tidak keluar dari batas).
d. Peramlan
Peramalan dilaukan dengan melihat hasil khir estimasi ARIMA. Variable menunjukn pada periode bulan pda tahun tertentu sedangn coefficient menunjukan harga minyak internasional pada tahun tertentu setelh dikurangkan oleh coefficient diatasnya.