Setelah data diperoleh, maka langkah-langkah yang akan dilakukan dalam
menganalisis data adalah :
1. Membuat plot time series I
2. Melakukan pemeriksaan pada data apakah data sudah stasioner atau belum, menggunakan uji Augmented Dickey Fuller (ADF) untuk memeriksa apakah data sudah stasioner dalam mean dan melalui grafik transformasi Box-Cox dan uji Bartlett untuk memeriksa apakah data sudah stasioner dalam varian.
3. Melakukan proses pembedaan (differencing) jika tidak memenuhi asumsi stasioner dalam rata-rata dan melakukan transformasi data jika tidak memenuhi asumsi stasioneritas dalam varians untuk data.
4. Membuat plot Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF) untuk melihat apakah terdapat efek musiman atau tidak serta untuk melihat panjang musiman dari data dan juga untuk mengukur hubungan keeratan antar pengamatan suatu deret waktu
5. Penetapan model untuk sementara atau mengidentifikasi model ARIMA berdasarkan dari plot Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF)
6. Penaksiran parameter dari semua model ARIMA Musiman yang mungkin dari data.
7. Menguji signifikansi parameter model ARIMA Musiman dan memilih model dengan semua parameter yang dihasilkan.
8. Pemeriksaan atau diagnosa apakah model memadai yaitu meliputi uji independensi residual dan uji kenormalan residual.
9. Mengevaluasi model peramalan yang telah didapatkan dengan menghitung nilai MSE, serta dilakukan pemilihan model terbaik berdasarkan nilai MSE yang paling kecil.
10. Menghitung residual yaitu selisih antara data aktual dengan hasil peramalan selama enam tahun sebelumnya.
11. Melakukan verifikasi peramalan pada model sementara menggunakan peta kendali Moving Range untuk mengetahui apakah hasil peramalan tersebut benar-benar mencerminkan data masa lalu.
12. Melakukan peramalan kedepan untuk data berdasarkan model terbaik yang dihasilkan oleh metode ARIMA Musiman.
Tidak ada komentar:
Posting Komentar