Transcript Pertemuan ke 4 - WordPress.com

Pertemuan 4
Eksplorasi Data Lebih Dari Dua
Dimensi dan Data Time Series
Prof. Dr. Ir. Loekito Adi Soehono, M.Agr
Konsep
• Mahasiswa mampu memahami:
1. Manfaat Matriks Korelasi
2. Memahami Data Time Series
Correlation Matrix IPDW
Correlation Matrix IPDW
Correlation Matrix IPDW
Grafik Plot Korelasi
Uji Signifikansi untuk Korelasi
• Hipotesis
H0: ρ = 0
HA: ρ ≠ 0
(tak ada korelasi)
(ada korelasi)
• Uji Statistik
–
t 
r
1 r
2
n2
(dgn n – 2 der. kebebasan)
Statasioner Data Deret Waktu
• Langkah pertama yang penting dalam memilih
suatu model deret waktu adalah dengan
mempertimbangkan jenis pola data, sehingga
metode yang paling tepat dengan pola tersebut
dapat diuji. Dengan melihat plot data beserta
fungsi autokorelasi sampel dapat diketahui
apakah data sudah stasioner atau belum, dan
apakah terdapat unsur musiman.
• Stasioner berarti bahwa tidak ada perubahan
sistematis pada data deret waktu. Rata-rata dan
variansi dari fluktuasi konstan setiap waktu.
Stasioner Ragam
• Data dikatakan stasioner terhadap ragam,
apabila ragam dari data tidak berfluktuasi
terlalu besar dari waktu ke waktu. Jika data
tidak stasioner pada ragam, maka harus
ditransformasi terlebih dahulu dengan
transformasi Box-Cox sebagai berikut :
T( Zt )  Zt
( )

Zt

1

di mana λ adalah parameter transformasi.
Stasioner Rata-Rata
Data dikatakan stasioner pada nilai tengah
apabila pada plot autokorelasi, 95% dari data
masuk ke dalam selang ± 1.96 .( 1 )
n
Contoh Soal
Tahap pertama dalam melakukan peramalan yaitu dengan
memplotkan data Harga Emas 23 Karat, yang berasal dari survei
mingguan mulai bulan Mei 2005 hingga April 2006
150000
Xt
140000
130000
120000
110000
10
20
30
t
40
50
Contoh Soal
Berdasarkan hasil plot Box-Cox seperti yang terlihat pada
gambar, diperoleh nilai λ = 1.011 (λ ≈ 1). Hal ini menunjukkan
bahwa data hasil transformasi sudah stasioner terhadap
ragam.
Contoh Soal
Autocorrelation
llllACF
for Harga Emas
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
7
12
Lag
Corr
T
LBQ
Lag
Corr
T
LBQ
1
2
0.92
0.87
6.66
3.80
46.91
89.09
8
9
0.57
0.53
1.37
1.21
259.36
277.54
3
4
5
6
0.80
0.74
0.70
0.67
2.81
2.28
1.97
1.74
125.82
157.82
187.04
214.03
10
11
12
13
0.48
0.42
0.35
0.28
1.07
0.92
0.75
0.59
292.85
304.99
313.51
319.03
7
0.62
1.55
238.26
• Dari Gambar di atas, terlihat bahwa data belum stasioner terhadap nilai
tengah.
• Plot ACF (Autocorrelation Function) dari suatu data dipergunakan sebagai
pembuktian stasioneritas data terhadap nilai tengah. Maka data perlu di
differencing
Contoh Soal
Autocorrelation
ACF for TrnsDiff Harga Emas
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
-0.6
-0.8
-1.0
2
7
12
Lag
Corr
T
LBQ
Lag
Corr
T
LBQ
1
2
0.03
0.04
0.19
0.27
0.04
0.12
8
9
0.14
-0.02
0.93
-0.12
4.70
4.73
3
4
5
6
-0.02
-0.20
-0.13
-0.05
-0.13
-1.39
-0.87
-0.37
0.14
2.34
3.29
3.46
10
11
12
-0.16
-0.05
0.00
-1.03
-0.35
0.01
6.31
6.50
6.50
7
-0.03
-0.20
3.52
Tugas
• Carilah data time series, periksalah
stasioneritas dari data tersebut (lakukan
secara manual dan menggunakan software)