Materi ARIMA adalah salah satu materi dari Peramalan Bisnis (Business Forcasting) yang menelaah peristiwa yang terjadi pada kondisi penjualan perusahaan dengan data-data sebelumnya.. ARIMA diberikan pada mahasiswa untuk menjadi kajian dari metodologi yang dipakai bila mereka melakukan studi analisis dari sebuah perusahaan yang digunakan dalam Skripsi.
Lalu Apa itu ARIMA???
ARIMA adalah metode yang dikemukakan oleh BOB-JENKINS yang kemudian menjadi salah satu alat statistik untuk forcasting yang sulit dilakukan analisisnya bagi yang belum memahami maksudnya..
ARIMA merupakan kependekan dari AUTO REGRESSIVE INTEGRATED MOVING AVERAGE. Dari pengertianya kita mendapatkan dua macam bahan dalam kajian ini yaitu
1. AUTO REGRESSIVE
2. dan MOVING AVERAGE.
Untuk mempelajari tentang ARIMA kita perlu memahami terlebih dahulu mengenai keduanya untuk memecahkan perkara dari suatu masalah dalam data yang diolah untuk suatu hasil tertentu dalam TIME SERIES. Model Arima ini merupakan kelas yang terspesialisasi dari teknik penyaringan linear (Linear Filtering) yang mengabaikan independent variable secara total dalam membuat peramalan.
Alat ini digunakan untuk menentukan nilai sekarang atau nilai masa lalu dari variable dependent untuk memproduksi peramalan jangka pendek yang akurat.
Nah kapan kita Melukan Peramalan dengan ARIMA???
# Ketika kita tidak tahu determinant dari variable yang akan dimasukka dalam forcasting
# Datanya pada keadaan causal variable (variable sebab akibat) yang tidak dapat digunakan
Sebagai contoh: yaitu ketika kita melakukan forcasting terhadap nilai pasar suatu saham yang digunakan oleh Analisis para Broker yang kebanyakan datanya pada kondisi pergerakan harga pasar di masal lalu...
Misal ARIM ini bisa digunakan Broker untuk melakukan analisis forcasing terhadap pergerakan harga saham ANTM pada Bulan Juli 2012 misalnya... seperti itu.
Nah kembali lagi tentang Metode Bob-Jenkins
Metode ini adalah yang menjadi inspirasi dari perkembangan ARIMA. Secara murni, Metode Bob-Jenkins adalah metode yang versi univariat dari sebuah metodologi yang memprojec-kan secara sendiri dari metode forcasting time series.
ARIMA tidak membuat asumsi tentang ketentunan jumlah berkenaan bobot relatif (relative weight) yang akan digunakan untuk melakukan forcasting pada bobot relatif tersebut. Analis memilih model yang tepat, termasuk tentang masalah jumlahnya, Metode yang digunakan untuk menghitung koefisien menggunakan metode nonlinier kuadrat terkecil.
Nah kembali lagi tentang Metode Bob-Jenkins
Metode ini adalah yang menjadi inspirasi dari perkembangan ARIMA. Secara murni, Metode Bob-Jenkins adalah metode yang versi univariat dari sebuah metodologi yang memprojec-kan secara sendiri dari metode forcasting time series.
ARIMA tidak membuat asumsi tentang ketentunan jumlah berkenaan bobot relatif (relative weight) yang akan digunakan untuk melakukan forcasting pada bobot relatif tersebut. Analis memilih model yang tepat, termasuk tentang masalah jumlahnya, Metode yang digunakan untuk menghitung koefisien menggunakan metode nonlinier kuadrat terkecil.
AUTO REGRESSIF (AR)
Yt = bo + b1 Yt-1 + ….
+ bp Yt-p + e
Ketentuan AR
#Variable independent tidak berkorelasi satu sama lain
# Koefisien Regresi dapat ditemukan dengan menggunakan metode non-linear least square
# AR adalah Jumlah observasi masa lalu termasuk di dalamnya forcasting data periode ke depan.
MOVING AVERAGE (MA)
Yt = e + wt et-1 + ….
+ wq et-q
Metode ini mirip dengan metode exponential smoothing.
Untuk lebih memahami tentang ini saya telah mengupload data saya berupa ppt yang dapat kalian download
dengan klik gambar di bawah ini:
Comments
Post a comment