MATA KULIAH
METODE RUNTUN WAKTU
Oleh :
Entit Puspita
Nip 132086616
JURUSAN PENDIDIKAN MATEMATIKA
FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA
BEBERAPA KONSEP DASAR DALAM ANALISIS RUNTUN WAKTU
DEFINISI : RUNTUN WAKTU ADALAH SUSUSNAN OBSERVASI
BERURUT MENURUT WAKTU( ATAU DIMENSI YANG LAIN)
DILIHAT DARI JENIS DATA RUNTUN WAKTU DIBAGI MENJADI: a. RUNTUN WAKTU DISKRIT
b. RUNTUN WAKTU KONTINU
DILIHAT DARI POLANYA RUNTUN WAKTU DIBAGI MENJADI: a. DETERMINISTIK
KONSEP STASIONERITAS
Himpunan data runtun waktu Z1, Z2, …,Zn yang di anggap sebagai
realisasi VR Zt, diasumsikan mempunyai fkp bersama f(Z1, Z2, …, Zn). Jika struktur probabilistik fkp tidak berubah oleh adanya perubahan waktu maka runtun waktu tersebut disebut stasioner
Pada proses stasioner kita mempunyai : - E(Zt) = μ dan kov (Zt, Zt-k) = γk
- μ adalah mean prose dan γk autokovariansi lag ke k - Nilai μ dan γk adalah konstan untuk berbagai lag k
Himpunan {γk : k = 0, 1, 2, …, } dinamakan fungsi autokovariansi
FUNGSI AUTOKORELASI
Autokorelasi pada lag k didefinisikan :
0 2 / 1 )
)]
var(
).
[var(
,
(
k k t t k t t kZ
Z
Z
Z
kov
Himpunan {ρk : k =0, 1, 2, 3 … }, dengan ρ0 = 1 disebut dengan
Fungsi Autokorelasi (Fak)
Untuk proses normal dan stasioner , Rumus Bartlett menyatakan (dengan menganggap ρk =0) bahwa :
k i i k r N r 1 2 ) 2 1 ( 1 ) var(FUNGSI AUTOKORELASI PARSIAL
Alat lain yang digunakan dalam Analisis Runtun Waktu adalah Fungsi autokorelasi Parsial (Fakp), yang ditulis dengan {Φkk : k =1, 2, 3, …}
k
k
kk
P
P
~
~
*
,|Pk*| adalah |Pk|(matrik autokorelasi runtun waktu sebanyak k) dengan kolom terakhir diganti oleh [ρ1 ρ2 … ρk]’
1
.
.
.
.
.
.
.
1
.
1
.
1
~
3 2 1 3 1 2 2 1 1 1 2 1 k k k k k k kP
Untuk lag yang cukup besar Quenouille memberikan rumus untuk menguji keberartian nilai Fakp, yaitu:
METODE BOX-JENKINS
Dalam Metode Box-Jenkins untuk Analisis Runtun waktu digunakan Dua Operator yaitu:
a. Operator Backshift B, dengan definsi BZt = Zt-1
b. Operator Diferensi, dengan definisi ∇Zt = Zt – Zt-1 = (1 – B)Zt
Model linier yang Sering Digunalan dalam Aanlisis Runtun Waktu :
Φ(B) Zt = θ(B) at (1)
Φ dan θ adalah polinomial, {at} adalah proses white noise ditulis at ~ N(0;σ2
a)
Persamaan (1) dapat juga ditulis dalam bentuk: Zt = Ψ(B) at, dengan Ψ(B) = 1 + Ψ1B + Ψ2B2 + …
FILTER LINIER / FUNGSI TRANSFER
Bentuk Zt = Ψ(B) at, dapat diilustrasikan sebagai:
Filter linier at
Ψ(B)
Zt
Ini berarti bahwa RW Zt dapat diperoleh dengan melewatkan proses white noise at melalui filter linier dengan fungsi transfer Ψ(B) = 1 + Ψ1B + Ψ2B2 + … . Jika barisan Ψ 1, Ψ2 …berhingga atau takberhingga tapi konvergen maka filter disebut stabil, dan runtun waktu yang dihasilkan dikatakan stasioner
Model dalam (1) dapat juga ditulis:
π(B) Zt = at , dengan π(B) = 1- π1B, π2B2,
…
π(B) disebut fungsi pembentuk koefisien π Hubungan antara koefisien Ψ dan π:
Ψ(B) . Π(B) Zt = Ψ(B) at = Zt
Atau Ψ(B) . Π(B) = 1 atau Ψ(B) = Π-1 (B)
Hubungan tersebut dapat digunakan untuk menurunkan koefisien Π apabila koefisien Ψ diketahui atau
sebaliknya
Supaya runtun waktu pada bentuk π(B) Zt = at stasioner, maka deret Ψ(B) yang merupakan fungsi pembentuk koefisien Ψ
haruslah konvergen untuk |B| ≤ 1 dan dikatakan invertibel apabila koefisien πj pada deret π(B) konvergen pada atau didalam lingkaran satuan.
LANGKAH-LANGKAH ITERATIF DALAM MEMILIH MODEL
Postulasikan Kelas Umm Model
Identifikasi Model yang Diselidiki
Estimasikan Parameter dalam Model
Verivikasikan Model Apakah Model Memadai?
Forecasting Ya
PROSES AUTOREGRESIVE (AR)
Bentuk umum Proses AR orde p (AR(p)) Zt = ϕ1Zt-1 + ϕ2Zt-2 + … + ϕpZt-p + at
Atau dapat ditulis
Φ(B) Zt = at
Dengan ϕ(B) = 1 – ϕ1B – ϕ2B2 – ϕ
pBp disebut operator AR(P) Pandang proses AR(1), Zt = ϕZt-1 + at
Ciri-ciri teoritik proses A(1)
a. Daerah stasioneritas -1< ϕ <1 b. Mean proses adalah nol
11 10 9 8 7 6 5 4 3 2 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 A ut oc or re la tio n LBQ T Cor r La g LBQ T Cor r La g 222.91 221.35 218.21 211.09 199.53 182.04 160.34 136.35 109.21 77.94 41.29 0.35 0.51 0.79 1.04 1.34 1.59 1.81 2.12 2.62 3.56 6.23 0.16 0.22 0.34 0.44 0.55 0.62 0.66 0.71 0.77 0.85 0.91 11 10 9 8 7 6 5 4 3 2 1 Fungsi Autokorelasi 11 10 9 8 7 6 5 4 3 2 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 P ar tia l A ut oc or re la tio n T PAC La g T PAC La g 0.87 -1.20 -0.58 -2.22 -1.29 0.32 0.32 0.09 -0.49 0.84 6.23 0.13 -0.18 -0.08 -0.32 -0.19 0.05 0.05 0.01 -0.07 0.12 0.91 11 10 9 8 7 6 5 4 3 2 1
Fungsi Autokorelasiu Parsial
PROSES MOVING AVERAGE (MA(q))
Bentuk umum proses MA(q) adalah:
Zt = at + θ1at-1 + … + θqat-q, dengan at ~ N(0, σ2
a) (1)
= θ(B) at
Dengan θ(B) = (1 + θ1B + … + θqBq) adalah operator MA(q)
Persamaan (1) dapat juga ditulis: θ-1(B) Z
t = Zt – π1Zt-1 - π2Zt-2 - …. = at
Atau π(B) Zt = at
Proses MA(q) dikatakan invertibel, jika koefisien π merupakan deret yang konvergen
PROSES MOVING AVERAGE ORDE 1 MA(1)
Bentuk umum : Zt = at + θ1at-1
Dengan at adalah proses white noise Ciri – ciri proses MA(1) adalah:
a. Mean = 0 b. fak adalah: 2
1
1
Dan ρk = 0, k > 1 c. Fakp adalah: ) 1 ( 2 2 11
)
1
(
)
1
(
k k k kk
15 10 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Au to co rr el at io n LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g 26.29 26.29 26.02 25.91 24.82 20.80 20.22 18.56 17.40 17.31 15.81 15.11 15.05 15.05 14.47 -0.02 -0.34 0.21 0.70 -1.39 0.54 0.93 -0.79 -0.22 0.94 -0.65 0.19 -0.04 0.61 -3.71 -0.00 -0.06 0.04 0.12 -0.23 0.09 0.15 -0.13 -0.03 0.15 -0.10 0.03 -0.01 0.09 -0.48 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Fungsi Autokorelasi 15 10 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Pa rt ia l A ut oc or re la tio n T PAC La g T PAC La g T PAC La g -0.38 0.23 -0.96 -1.36 -3.71 -0.05 0.03 -0.12 -0.18 -0.48 15 9 8 2 1
Fungsi Autokorelasi Parsial
PROSES CAMPURAN (ARMA(p,q))
Bentuk umum:
Zt = ϕ1Zt-1 + … + ϕpZt-p + at + θ1at-1 + … + θqat-q
Dapat juga ditulis : ϕ(B) Zt = θ(B) at, syarat stasioneritas dan
invertibilitas adalah akar-akar ϕ(B) = 0 dan θ(B) = 0 terletak di luar lingkaran satuan.
Model ARMA dapat juga ditulis Zt = Ψ(B) atau π(B) Zt = at
Dimana Ψ(B) = ϕ-1(B) θ(B) dan π(B) = θ-1(B) ϕ(B) adalah deret
takhingga dalam B. Sehingga dengan menyatakan model ARMA dalam bentuk AR saja atau MA saja kita akan mengharapkan fakp yang kurang terus menerus.
MODEL ARMA (1,1)
Bentuk umum : (1-
ϕB)Z
t= (1 + θB)a
t
Syarat Stasioner dan invertibel :
-1 < ϕ < 1 dan -1 < θ < 1.
Untuk semua k berlaku:
γ
k= ϕγ
k-1+ γ
az(k) + θ γ
az(k-1)
Sehingga
γ
0= ϕγ
1+ σ
2 a+ θ γ
az(-1)
γ
1=ϕγ
0+ θ σ
2 aDan
γ
0= ϕγ
k-1, untuk k > 1
RUNTUN WAKTU NONSTASIONER
Penyebab : tidak memiliki mean yang tetap
Sifat nonstasioner tersebut bersifat homogen
RW nonstasioner homogen ditunjuk -kan oleh RW
selisih nilai-nilai yang berurutan adalah stasioner
Jenis Nonstasioner:
– Nonstasioner dalam tingkat, dengan model
ϕ(B) ∇Z
t=
θ(B) a
t– Nonstasioner dalam tingkat dan lerengan dengan model
ϕ(B) ∇
2Zt =
θ(B) a
t
Jika kita tulis
∇
dZt = W
t
, maka proses ARIMA (p,d,q) untuk {Z
t}
merupakan proses ARMA(p,q) untuk {W
t} sehingga teori untuk
runtun waktu stasioner yang telah dibicarakan berlaku pula
untuk runtun waktu W
t.
Contoh Plot data RW Non Stasioner 100 80 60 40 20 310 300 290 280 270 Index run tun D 10 0 -10 C2
100 80 60 40 20 20 10 0 -10 -20 Index C3 Keterangan gambar:
a. Plot data RW asli (nonsationer- ditunjukkan oleh adanya trend) b. Plot data selisih pertama (sudah stasioner)
c. Plot data selisih kedua (stasioner dengan variansi yang lebih besar dari selisih pertama), artinya cukup dilakukan selisih pertama untuk membuatnya stasioner
Fak dan Fakp RW Nonstasioner(Data Asli) 25 15 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Au to co rr el at io n LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g 419.10 418.91 418.23 416.80 414.17 410.63 407.15 405.21 403.99 403.26 402.80 402.53 402.53 402.38 401.25 398.64 394.09 387.89 376.54 357.63 330.65 295.79 256.97 212.21 157.36 86.22 -0.13 -0.25 -0.36 -0.49 -0.58 -0.58 -0.44 -0.35 -0.27 -0.21 -0.17 0.02 0.12 0.35 0.53 0.71 0.84 1.15 1.53 1.89 2.27 2.54 2.96 3.69 5.17 9.16 -0.04 -0.07 -0.10 -0.14 -0.16 -0.16 -0.12 -0.10 -0.07 -0.06 -0.05 0.00 0.03 0.10 0.15 0.19 0.23 0.31 0.40 0.48 0.55 0.58 0.63 0.70 0.80 0.89 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Fak RW asli 25 15 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Pa rti al A ut oc or re la tio n T P AC La g T P AC La g T P AC La g T P AC La g 0.01 0.42 0.55 0.96 1.36 -1.03 -0.05 -0.52 0.06 0.03 -0.99 1.81 -0.46 -1.03 -1.06 1.45 -0.36 -0.78 -1.22 -1.85 0.46 1.07 0.70 -1.09 0.79 9.16 0.00 0.04 0.05 0.09 0.13 -0.10 -0.00 -0.05 0.01 0.00 -0.10 0.17 -0.04 -0.10 -0.10 0.14 -0.04 -0.08 -0.12 -0.18 0.04 0.10 0.07 -0.11 0.08 0.89 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Fakp RW asli
25 15 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Au to co rr el at io n LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g 33.78 28.12 28.05 27.82 27.46 27.45 22.10 21.86 21.69 21.14 20.92 18.33 15.37 12.93 12.72 12.71 12.23 10.17 9.90 9.54 5.44 4.18 4.07 3.18 2.65 2.61 1.69 -0.19 -0.35 -0.44 -0.07 -1.75 0.38 0.32 0.57 -0.36 -1.28 1.40 -1.30 0.38 0.10 0.59 -1.25 0.45 -0.53 1.85 1.04 -0.31 -0.89 -0.70 0.19 -1.59 0.20 -0.02 -0.04 -0.05 -0.01 -0.20 0.04 0.04 0.07 -0.04 -0.14 0.15 -0.14 0.04 0.01 0.06 -0.13 0.05 -0.06 0.19 0.10 -0.03 -0.09 -0.07 0.02 -0.15 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Fak RW Selisih Pertama
25 15 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Pa rt ia l A ut oc or re la tio n T P AC La g T P AC La g T P AC La g T P AC La g 1.32 -0.87 -0.87 0.45 -1.25 -1.90 0.67 0.67 -0.15 -0.71 -0.93 1.28 -2.05 -0.02 0.42 0.81 -0.80 0.45 -0.05 2.22 0.90 -0.68 -1.17 -0.71 -0.05 -1.59 0.13 -0.08 -0.08 0.04 -0.12 -0.18 0.07 0.07 -0.01 -0.07 -0.09 0.12 -0.20 -0.00 0.04 0.08 -0.08 0.04 -0.00 0.22 0.09 -0.07 -0.11 -0.07 -0.00 -0.15 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Fakp RW Selisih Pertama
25 15 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Au to co rr el at io n LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g LBQ T Cor r La g 82.98 75.92 74.85 74.85 74.79 73.32 68.53 67.08 67.06 66.63 66.63 63.06 55.05 49.86 48.89 48.74 47.35 44.29 42.49 39.65 37.17 37.12 37.00 36.88 36.78 35.45 1.50 -0.59 -0.03 -0.14 0.71 -1.31 0.73 -0.09 0.40 -0.02 -1.18 1.84 -1.52 0.66 -0.26 0.81 -1.22 0.95 -1.22 1.16 0.16 -0.26 -0.26 -0.24 0.88 -5.87 0.22 -0.09 -0.00 -0.02 0.10 -0.19 0.10 -0.01 0.06 -0.00 -0.17 0.25 -0.20 0.09 -0.04 0.11 -0.16 0.12 -0.16 0.15 0.02 -0.03 -0.03 -0.03 0.11 -0.57 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
Fak RW Selisih ke-dua
25 15 5 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Pa rt ia l A ut oc or re la tio n T P AC La g T P AC La g T P AC La g T P AC La g 0.20 0.24 -1.16 -0.49 0.02 0.27 -1.69 -0.16 -1.41 -2.25 -3.32 -5.87 0.02 0.02 -0.11 -0.05 0.00 0.03 -0.16 -0.02 -0.14 -0.22 -0.32 -0.57 24 23 22 17 16 15 10 9 8 3 2 1
Fakp RW Selisih Ke-dua