Mengenal Peramalan ARIMA dengan Minitab

Peramalan ARIMA merupakan salah satu alternatif dalam peramalan data jangka pendek. Adanya peramalan bertujuan untuk memperkirakan kondisi atau nilai yang akan terjadi di masa yang akan datang. Peramalan ARIMA dengan Minitab dilakukan dengan beberapa langkah. 

Mengenal Peramalan ARIMA

ARIMA (Autoregressive Integrated Moving Average) adalah suatu metode untuk meramalkan data di masa yang akan datang. Data yang digunakan adalah data runtun waktu masa lalu dan sekarang yang secara statistik diasumsikan saling berhubungan. Karena itu, data independen diabaikan sama sekali dalam peramalan ini. 

Disebut juga metode Box-Jenkins, ARIMA digunakan untuk data dengan variabel deret waktu. Metode ink dikenal cukup akurat dalam peramalannya. Namun, untuk peramalan jangka panjang, akurasinya tidak sebaik peramalan jangka pendeknya. 

Tahapan-tahapan Peramalan ARIMA dengan Minitab

Dalam peramalan ARIMA, terdapat beberapa tahapan yang harus dilalui. Tahapan-tahapan ini perlu dilakukan berurutan agar hasil peramalan tidak melenceng. Berikut tahapannya dengan aplikasi Minitab.

1. Identifikasi

Penerapan model ARIMA hanya dapat dilakukan pada deret waktu yang stasioner. Karenanya identifikasi model adalah hal pertama yang tidak boleh ditinggalkan untuk mengetahui apakah data sudah stasioner. Jika belum, maka perlu ditentukan berapa nilai d dengan memeriksa pembedaan.

Untuk identifikasi, masukkan data ke worksheet lalu klik Stat. Kemudian lanjut ke Time Series dan Time Series Plot. Masukkan data setelah memilih Simple, lalu klik OK.

Masih di menu Time Series, beralih ke Autocorrelation. Ini bertujuan untuk memunculkan correlogram. Kemudian beralih lagi ke menu Partial Autocorrelation. Klik OK setiap kali selesai pengoperasian.

2. Estimasi

Langkah selanjutnya adalah melakukan estimasi pada parameter autoregressive dan moving average. Tahap identifikasi memungkinkan peneliti untuk mengetahui model yang terjadi. Model tersebut kemudian akan diestimasi pada tahap ini.

Masih pada Stat dan Time Series, baik itu model AR, MA, mau pun ARIMA bisa diuji dengan memasukkan modelnya masing-masing. 

3. Cek Diagnostik

Setelah 2 langkah di atas, perlu dilakukan uji kelayakan terhadap model yang ditentukan. Uji ini disebut juga cek diagnostik. Ada beberapa cara untuk melakukannya, misalnya dengan statistik Box-Pierce Q, statistik Ljung-Box (LB), hingga t statistik. Pembentukan model perlu diulang jika dalam hasil ujinya ternyata dinyatakan tidak lolos.

4. Peramalan

Model terbaik yang didapatkan dari 3 proses sebelumnya adalah model yang akan dilakukan peramalan. Dari proses peramalan inilah hasilnya akan diketahui. Peramalan dilakukan untuk mengetahui nilai atau kondisi di masa yang akan datang.

Penerapan ARIMA yang melewati beberapa langkah mungkin terkesan rumit. Terlebih dengan adanya klasifikasi model. Karena itu, menyerahkan peramalan ARIMA kepada ahlinya adalah langkah yang paling tepat.

Jika membutuhkan data peramalan ARIMA dengan Minitab, Patra Statistika bisa membantu dari awal hingga selesai. Atau sekadar ingin konsultasi? Jangan ragu! Hubungi kontak timPatra Statistika yang selalu siap memberikan arahan untuk penelitian yang lebih berkualitas.