METODE PERAMALAN RATA-RATA BERGERAK (MOVING AVERAGE)

METODE PERAMALANBOX-JENKINSSania Angelita130403089Srilitna Br P130403090Yohana Pretyola S130403120Yuni Olivia H130403123Cinthia Heasthy L130403128Metode Box-Jenkins biasa disebut dengan Autoregressive Integrated Moving Average (ARIMA), yang merupakan suatu teknik yang mengabaikan independentvariabledalam melakukan peramalan, sehingga;ARIMA hanya menggunakan nilai-nilai sekarang dan masa lalu daridependent variableuntuk melakukan peramalan jangka pendek.Perbedaannya dengan metode lain karena metode ini tidak mengasumsikan pola tertentu dalam data historis dariseriesyang akan diforecast.KONSEP BOX-JENKINSMerupakan model tanpa teori karena variabel yang digunakan adalah nilai-nilai lampau dan kesalahan yang mengikutinya.

Memiliki tingkat akurasi peramalan yang cukup tinggi karena setelah mengalami pengukuran kesalahan peramalan mean absolute error, nilainya mendekati nol.

Cocok digunakan untuk meramal sejumlah variabel dengan cepat, sederhana, akurat dan murah karena hanya membutuhkan data variabel yang akan diramal.KEUNTUNGAN BOX-JENKINSSKEMA PENDEKATAN BOX-JENKINS

Stasioneritas berarti tidak terdapat pertumbuhan atau penurunan pada data. Data secara kasarnya harus horizontal sepanjang sumbu waktu. Dengan kata lain, fluktuasi data berada di sekitar suatu nilai rata-rata yang konstan, tidak tergantung pada waktu dan varians dari fluktuasi tersebut pada pokoknya tetap konstan setiap waktu.

Data yang digunakan untuk peramalan harus stasioner.STASIONERITASDifferencing adalah menghitung perubahan atau selisih nilai observasi. Nilai selisih yang diperoleh dicek lagi apakah stasioner atau tidak. Jika belum stasioner maka dilakukan differencing lagi. Jika varians tidak stasioner, maka dilakukan transformasi logaritma.DIFFERENCING

KLASIFIKASI MODEL ARIMAmodel yang menjelaskan pergerakan suatu variabel melalui variabel itu sendiri di masa lalu.AUTOREGRESSIVE MODEL (AR)

dimana: ' = suatu konstantap = parameter autoregresif ke-pet = nilai kesalahan pada saat tmodel yang melihat pergerakan variabelnya melalui residualnya di masa lalu.MOVING AVERAGE MODEL (MA)dimana: ' = suatu konstanta1 sampai q = parameter-parameter moving averageet-k = nilai kesalahan pada saat t k

ARMA (Autoregressive Moving Average)gabungan antara model AR (p) dan model MA (q)MODEL CAMPURAN

ARIMA (Autoregressive Integrated Moving Average) Apabila nonstasioneritas ditambahkan pada campuran proses ARMA, maka model umum ARIMA (p,d,q) terpenuhi.

Persamaan untuk kasus sederhana ARIMA (1,1,1) adalah sebagai berikut:MODEL CAMPURAN

TAHAPAN PEMBUATAN BOX-JENKINS