Analisis kausalitas dan invertabilitas model ARIMA (p,d,q) musiman

INDONESIA :

ARIMA adalah suatu model peramalan yang diawali oleh Box-Jenkins, sehingga bisa dikatakan metode Box Jenkins. Metode ARIMA ini bagus untuk digunakan pada peramalan jangka pendek. Dalam model ARIMA dikenal model ARIMA musiman. Model ARIMA hanya dapat digunakan pada data stasioner yaitu data yang mempunyai rata-rata dan variansi relatif konstan dari satu periode ke periode berikutnya, yang ditandai dengan terpenuhinya unsur kausalitas dan invertabilitas. Jika didapatkan data yang belum stasioner, maka pada data tersebut dimungkinkan belum memenuhi unsur kausalitas dan invertabilitas. Sehingga untuk memenuhi syarat tersebut data perlu distasionerkan terlebih dahulu dengan cara differencing.

Pada penelitian ini akan dilakukan analisis kausalitas dan invertabilitas khususnya pada model ARIMA musiman. Dari bab pembahasan diperoleh hasil bahwa model terbaik dari ARIMA(p,d,q)musiman yaitu yang memenuhi unsur kausalitas dan invertabilitas adalah model ARIMA (1, 0,1)

ENGLISH :

ARIMA is a forecasting model that began by Box-Jenkins, so it could be said as Box Jenkins method. ARIMA method is great for use on short-term forecasting. In ARIMA models known seasonal ARIMA models. ARIMA models can only be used on stationary data that has average and variance are relatively constant from one period to the next, which is indicated by satisfing the causality and invertability elements. If the obtained data is not stationary, then the data is possible not satisfing the causality and invertability element. So to qualify the data needs to be stationaried by differencing.

This research will be carried out analysis of causality and invertability especially seasonal ARIMA models. From the discussion chapter obtained that the best model of the seasonal ARIMA (p,d,q) meet the causality and invertability element is ARIMA (1,0,1)_12 models.