ANALISIS TIME SERIESANALISIS TIME SERIES SM 2234 / 3 SKS SM 2234 / 3 SKS
Pengajar : Pengajar : 1. 1. Dr. Suhartono, S.Si., Dr. Suhartono, S.Si., M.Sc.M.Sc.
S1 Statistika, ITS, 1995 S2 Statistika, UMIST, UK, 1998 S3 Statistika, UGM, 2007 email : [email protected]@statistika.its.ac.id phone : 5933867; 0818376367 (HP)
2.2. R. Mohamad Atok, R. Mohamad Atok, S.Si., M.Si.S.Si., M.Si.
S1 Statistika, ITS, 1995 S1 Statistika, ITS, 1995 S2 Statistika, IPB, 2004S2 Statistika, IPB, 2004
MATERIMATERI PERKULIAHAN …PERKULIAHAN …
1.1. PendahuluanPendahuluan2.2. Konsep Dasar dalam Analisis Time Series Konsep Dasar dalam Analisis Time Series 3.3. Model untuk Time Series yang Stasioner Model untuk Time Series yang Stasioner 4.4. Model untuk Time Series yang NonstasionerModel untuk Time Series yang Nonstasioner5.5. Identifikasi, estimasi parameter, dan Identifikasi, estimasi parameter, dan
diagnostic check model ARIMAdiagnostic check model ARIMA6.6. Peramalan dengan model ARIMAPeramalan dengan model ARIMA
7.7. Model untuk Time Series yang Musiman Model untuk Time Series yang Musiman 8.8. Model ARIMAX : Model ARIMAX : AnalisisAnalisis IntervensiIntervensi, , ModelModel
VariasiVariasi KalenderKalender, , FungsiFungsi TransferTransfer dan dan NeuralNeural NetworksNetworks
BUKU ACUANBUKU ACUAN / / ReferensiReferensi … …
1.1. Hanke, J.E. and Reitsch, A.G. (1995 & 2001) Hanke, J.E. and Reitsch, A.G. (1995 & 2001) Business ForecastingBusiness Forecasting, 5, 5thth and 7 and 7thth edition, Prentice Hall. edition, Prentice Hall.
2.2. Bowerman, B.L. and O’Connell, R.T. (1993) Bowerman, B.L. and O’Connell, R.T. (1993) Forecasting and Time Series: An Applied ApproachForecasting and Time Series: An Applied Approach, , 3 3rdrd edition, Duxbury Press: USA. edition, Duxbury Press: USA.
3.3. Makridakis, S., Wheelwright, S. C. and Hyndman, R. J. (1998) Makridakis, S., Wheelwright, S. C. and Hyndman, R. J. (1998) Forecasting: Method and ApplicationsForecasting: Method and Applications, New York: Wiley & Sons. , New York: Wiley & Sons.
4.4. Cryer, J.D. (1986) Cryer, J.D. (1986) Time Series AnalysisTime Series Analysis, , Boston: PWS-KENT Publishing Boston: PWS-KENT Publishing Company.Company.
5.5. Wei, W.W.S. (1990) Wei, W.W.S. (1990) Time Series Analysis: Univariate and Time Series Analysis: Univariate and Multivariate MethodsMultivariate Methods Addison-Wesley Publishing Addison-Wesley Publishing Co., USA.Co., USA.
6.6. Brockwell, P.J. and Davis, R.A. (1991) Brockwell, P.J. and Davis, R.A. (1991) Time Series: Theory and MethodsTime Series: Theory and Methods, 2, 2ndnd edition, Springer Verlag. edition, Springer Verlag.
PeramalanPeramalan & & PerencanaanPerencanaan … … 11
TheThe FutureFuture CanCan NotNot BeBe PredictedPredicted Robert T. KiyosakiRobert T. Kiyosaki books books
The Future Can Not Be The Future Can Not Be PredictedPredicted ““PRECISELYPRECISELY”” New New ParadigmParadigm
A PERSON WHO A PERSON WHO DOESN’T CARE ABOUT “DOESN’T CARE ABOUT “THETHE PASTPAST““ IS A PERSON WHO IS A PERSON WHO DOESN’T HAVE “DOESN’T HAVE “THETHE FUTUREFUTURE””
PeramalanPeramalan & & PerencanaanPerencanaan … … 22
Ramalan merupakan Ramalan merupakan inputinput bagi bagi prosesproses perencanaanperencanaan dan dan pengambilan keputusanpengambilan keputusan..
Peramalan menunjukkan Peramalan menunjukkan perkiraan yang akan perkiraan yang akan terjadi pada suatu keadaan tertentuterjadi pada suatu keadaan tertentu. .
Sebaliknya, Sebaliknya, perencanaanperencanaan menggunakan ramalan menggunakan ramalan tersebut untuktersebut untuk membantu para pengambil membantu para pengambil keputusan dalam memilih alternatif terbaikkeputusan dalam memilih alternatif terbaik. .
Dengan demikian, suatu Dengan demikian, suatu ramalanramalan mencoba untuk mencoba untuk memper-kirakan apa yang akan terjadimemper-kirakan apa yang akan terjadi, , sedangkan sedangkan perencanaanperencanaan adalah upaya para adalah upaya para pengambil keputusan untuk dapat mempengaruh pengambil keputusan untuk dapat mempengaruh hasil yang akan terjadi melalui berbagai strategishasil yang akan terjadi melalui berbagai strategis, , misalnya rencana promosi, distribusi dll.misalnya rencana promosi, distribusi dll.
Apa itu ILMU Apa itu ILMU ((sciencescience) ... !!!) ... !!!
... ... ILMU (ILMU (sciencescience) tidak lagi hanya meneliti : ) tidak lagi hanya meneliti : 1. BAGAIMANA dan APA SEBABNYA sesuatu 1. BAGAIMANA dan APA SEBABNYA sesuatu itu terjadi, (itu terjadi, (to to understandunderstand what’s going on what’s going on))2.2. MERAMALKAN apa yang akan terjadi, MERAMALKAN apa yang akan terjadi, ( (to to forecastforecast what will happen what will happen))3.3. tetapitetapi jugajuga MEMPENGARUHI atau MEMPENGARUHI atau MERUBAH apa yang akan terjadi (MERUBAH apa yang akan terjadi (to to CHANGECHANGE what will happen what will happen). ).
KRISIS MONETER KRISIS MONETER 1997 ...1997 ...
... Yang sangat menakjubkan adalah bahwa krisis luar ... Yang sangat menakjubkan adalah bahwa krisis luar biasa ini tidak ada seorangpun yang menduga akan biasa ini tidak ada seorangpun yang menduga akan terjadi termasuk pakar-pakar “PERAMAL MASA terjadi termasuk pakar-pakar “PERAMAL MASA DEPAN” (DEPAN” (futurologfuturolog). Para ekonom baik yang ). Para ekonom baik yang bekerja di pemerintahan maupun di luar bekerja di pemerintahan maupun di luar pemerintah termasuk di dunia bisnis, bahkan pemerintah termasuk di dunia bisnis, bahkan pakar-pakar ekonomi kaliber dunia dari luar negeri pakar-pakar ekonomi kaliber dunia dari luar negeri tidak ada satupun yang mengira krisis moneter tidak ada satupun yang mengira krisis moneter (keuangan) ini akan melanda Indonesia. ...(keuangan) ini akan melanda Indonesia. ...
((Mubyarto, Mubyarto, Pemberdayaan Ekonomi Rakyat & Peranan Ilmu-Ilmu SosialPemberdayaan Ekonomi Rakyat & Peranan Ilmu-Ilmu Sosial, , Yogyakarta, 2002, hal. 43Yogyakarta, 2002, hal. 43))
KRISIS MONETER 1997 ... KRISIS MONETER 1997 ... [[continuedcontinued]]
... Ternyata sampai “detik-detik terakhir” menjelang ... Ternyata sampai “detik-detik terakhir” menjelang krismon, pakar-pakar ekonomi andal sekalipun krismon, pakar-pakar ekonomi andal sekalipun yakin tidak akan terjadi krismon di Indonesia. yakin tidak akan terjadi krismon di Indonesia. Sebaliknya, jauh sebelum terjadinya, ada sejumlah Sebaliknya, jauh sebelum terjadinya, ada sejumlah pakar terutama pakar-pakarpakar terutama pakar-pakar ilmu politikilmu politik, , sosiologisosiologi dandan antropologiantropologi, yang telah memperingatkan , yang telah memperingatkan kemungkinan meledaknya “bom waktu” jika kemungkinan meledaknya “bom waktu” jika ketimpangan-ketimpangan ekonomi dan sosial yang ketimpangan-ketimpangan ekonomi dan sosial yang muncul tidak memperoleh perhatian sewajarnyamuncul tidak memperoleh perhatian sewajarnya. .... ...
((Mubyarto, Mubyarto, Pemberdayaan Ekonomi Rakyat & Peranan Ilmu-Ilmu SosialPemberdayaan Ekonomi Rakyat & Peranan Ilmu-Ilmu Sosial, , Yogyakarta, 2002, hal. 50Yogyakarta, 2002, hal. 50))
DATA INFORMATION KNOWLEDGE
Add Value
Transformed
by by
AnalysisCorrelating
Summarizing
ContextualisationExperience
InterpretationDiscussion
DD, , II, , KK, Transition, Transition
Klasifikasi Metode Peramalan …
Forecasting Method
Objective Forecasting Methods
Subjective (Judgmental)Forecasting Methods
Time SeriesMethods
CausalMethods Analogies
Delphi
PERT
Survey techniques
Simple Regression
Multiple Regression
Neural Networks
Naïve Methods
Moving Averages
Exponential Smoothing
Simple Regression
ARIMA
Neural Networks
Combination of Time Series – Causal Methods Intervention Model
Transfer Function (ARIMAX)
VARIMA (VARIMAX) Neural Networks
References : Makridakis et al. Hanke and Reitsch
Wei, W.W.S. Box, Jenkins and Reinsel
Klasifikasi Metode Peramalan : Ilustrasi Model Matematis …
Forecasting Method
Objective Forecasting Methods
Subjective (Judgmental)Forecasting Methods
Time Series MethodsYt= f (Yt-1, Yt-2, … , Yt-k)
Causal MethodsYt= f (X1t, X2t, … , Xkt)
Examples : sales(t) = f (sales(t-1), sales(t-2), …)
Examples : sales(t) = f (price(t), advert(t), …)
Combination of Time Series – Causal Methods Yt= f (Yt-j , j>0 ; Xt-i , i0)
Examples : sales(t) = f (sales(t-1), advert(t), advert(t-1), …)
TIME SERIES MODELSLINEAR
Time Series ModelsNONLINEAR
Time Series Models
ARIMA Box-Jenkins Models from time series theory nonlinear autoregressive, etc ...
Flexible statistical parametric models neural network model, etc ...
State-dependent, time-varying para-meter and long-memory models
Nonparametric models
Intervention Model
Transfer Function (ARIMAX)
VARIMA (VARIMAX)
Models from economic theory
References : Timo Terasvirta, Dag Tjostheim and Clive W.J. Granger, (1994) “Aspects of Modelling Nonlinear Time Series” Handbook of Econometrics, Volume IV, Chapter 48. Edited by R.F. Engle and D.I. McFadden
Klasifikasi Model Time Series : Berdasarkan Bentuk atau Fungsi …
POLAPOLA DATA Time Series … DATA Time Series …
General Time Series “PATTERN”General Time Series “PATTERN” StationerStationer
TrendTrend (linear (linear oror nonlinear)nonlinear) SeasonalSeasonal (additive or (additive or
multiplicative)multiplicative) Cyclic Cyclic Calendar Variation Calendar Variation
General of Time Series Patterns …
Time Series Patterns
Stationer Trend Effect Seasonal Effect Cyclic Effect
Nonseasonal Nonstationary models
Seasonal and Multiplicative models
Intervention models
Nonseasonal Stationary models
POLAPOLA DATA Time Series … DATA Time Series … continuedcontinued
Examples ofExamples of “ “Calendar VariationCalendar Variation” ” in in Gregorian (Masehi) calendar Gregorian (Masehi) calendar measurement:measurement: Eids holidayEids holiday (one of Islamic Calendar (one of Islamic Calendar
effects)effects) It happens on It happens on different month different month after three yearsafter three years or or shift to previous monthshift to previous month after at the same after at the same month on three years month on three years
Hindu’s holidays in BaliHindu’s holidays in Bali Imlek holidayImlek holiday
ContohContoh DATA EKONOMIDATA EKONOMI … … 11
Infla
si
YearMonth
2005200420032002200120001999JanJanJanJanJanJanJan
3
2
1
0
-1
Time Series Plot of Inflasi
1
12 11
1
12 12
12 11 11
Eids holiday effects
ContohContoh DATA EKONOMIDATA EKONOMI … … 22
Reference : Badan Pusat Statistik (BPS) Indonesia
Krisis di Indonesia
Pertengahan 1997
ContohContoh DATA EKONOMIDATA EKONOMI … … 33
Reference : Dinas Perhubungan Jawa Timur
Krisis di Indonesia Terjadi Mulai Pertengahan 1997
ContohContoh DATA EKONOMIDATA EKONOMI … … 44
Data
YearMonth
20001999199819971996199519941993JanJanJanJanJanJanJanJan
200000
150000
100000
50000
0
VariableKA EksekutifPesawat
Time Series Plot of Penumpang KA Eksekutif dan Pesawat
Reference : Dinas Perhubungan Jawa Timur
Krisis di Indonesia Terjadi Mulai Pertengahan 1997
ContohContoh DATA TOURISMDATA TOURISM … … 55
Reference : Badan Pusat Statistik (BPS) Bali
Krisis di Indonesia Pertengahan
1997
ContohContoh DATA TOURISMDATA TOURISM … … 66
Data
YearMonth
2003200220012000199919981997199619951994JanJanJanJanJanJanJanJanJanJan
100
90
80
70
60
50
40
30
20
VariableHotel 4*Hotel 5*
Time Series Plot of Tingkat Hunian Hotel 4* dan Hotel 5*
Krisis di Indonesia Terjadi Mulai Pertengahan 1997
Reference : Badan Pusat Statistik (BPS) Bali
Bom BALI
ContohContoh DATA HIDROLOGIDATA HIDROLOGI … … 77
Index
Data
9080706050403020101
0.30
0.25
0.20
0.15
0.10
0.05
0.00
VariableCurah hujanDebit air
Time Series Plot of Curah hujan and Debit air in Telaga Ngebel, Madiun
Contoh Contoh Data EKONOMIData EKONOMI … … 88
Keterangan : Data penjualan SARDEN di PT Blambangan Jaya, Banyuwangi
Model ARIMA Model ARIMA The The BoxBox--JenkinsJenkins
methodology methodology ……1.1. TentativeTentative IDENTIFICATIONIDENTIFICATION
historical data are used to tentatively identify an historical data are used to tentatively identify an appropriate appropriate ARIMA modelARIMA model..
2.2. ESTIMATIONESTIMATION historical data are used to estimate the parameters historical data are used to estimate the parameters of the tentatively of the tentatively identified model.identified model.
3.3. DIAGNOSTIC CHECKINGDIAGNOSTIC CHECKING various diagnostics are used to check the adequacy various diagnostics are used to check the adequacy of the of the tentatively identified model, tentatively identified model, if need be, to suggest an improved model, which is if need be, to suggest an improved model, which is then regarded then regarded as a new tentatively identified as a new tentatively identified model.model.
4.4. FORECASTINGFORECASTING once a final model is obtained, it is used to forecast once a final model is obtained, it is used to forecast future time future time series values.series values.
Flow DiagramFlow Diagram of Box- of Box-Jenkins Jenkins ……
1. Tentative IDENTIFICATION
2. Parameter ESTIMATION
3. DIAGNOSTIC CHECKING [ Is the model Is the model
adequateadequate? ]
4. FORECASTING
NO
YES
Stationary and non-stationary time
series ACF dan PACF (theoritical)
White noise of residual Normal Distribution of residual
Testing parameters
Forecast calculation
INFORMASIINFORMASI LEBIH LEBIH LANJUT LANJUT ......
Literature dan websitesLiterature dan websites Forecasting Forecasting websitewebsite www.forecastingprincipales.comwww.forecastingprincipales.com
www.neural-forecasting.com atau atau www.bis-lab.com
JournalsJournalsForecasting ... General literature ! Forecasting ... General literature ! Journal of Time Series Journal of Time Series AnalysisAnalysis JBF JBF Journal of Business Forecasting Journal of Business Forecasting IJF IJF International Journal of Forecasting International Journal of Forecasting JoF JoF Journal of Forecasting Journal of Forecasting
SoftwaresSoftwares MINITABMINITAB SPSSSPSS SASSAS … …
Top Related