tahapan dalam ARIMA-QR (skripsi dan tesis)

tahapan dalam penelitian yang dilakukan
untuk peramalan ARIMA-QR:
1. Persiapan Data
a. Membagi data menjadi 70% training set dan
30% testing set
2. Peramalan menggunakan ARIMA
a. Identifikasi Model
Pada tahap identifikasi model dilakukan pembuatan
plot data time series. Kemudian dilakukan uji
stasioner ragam dan uji stasioner rataan. Jika data
belum stasioner dalam ragam, maka perlu dilakukan
proses transformasi. Jika data belum stasioner
terhadap mean, maka dilakukan proses differencing.
Identifikasi model ARIMA dapat dilakukan dengan
menggunakan fungsi ACF maupun PACF dari data
yang sudah stasioner untuk menentukan model
awal (penentuan orde AR dan MA).
b. Estimasi Parameter
Parameter dikatakan signifikan jika memiliki nilai pvalue < α atau p-value < 0,05. Jika telah menemukan
parameter yang sesuai, maka dilanjutkan dengan
proses uji diagnosa
c. Uji Diagnosa
Uji diagnosa dapat dilakukan dengan membuat plot
ACF dan PACF untuk residualnya. Uji diagnosa
dapat dilihat dari nilai p pada correlogram q-statistic
dan squared residual. Nilai p > 0,05 pada q-statistic
menandakan bahwa residual atau sisaan bersifat
random atau acak, yang berarti model dapat
diterima. Nilai p > 0.05 pada squared residual
menandakan bahwa sisaan bersifat homogen.
Model yang telah memnuhi kriteria dapat digunakan
untuk melakukan peramalan.
d. Peramalan
Setelah mendapatkan model terbaik dari hasil uji
parameter dan uji diagnosa, maka proses
selanjutnya adalah melakukan peramalan dengan
menggunakan model tersebut.
3. Peramalan menggunakan metode Quantile
Regression (QR)
a. Menentukan quantile
quantile yang digunakan dalam penelitian ini adalah
0.25, 0.50, dan 0.75.
b. Menganalisis variabel
Menganalisis variabel yaitu terkait variabel
independen dan regressor (variabel bebas),
termasuk menganalisis hubungan antar variabel.
c. Mencari nilai prediksi
d. Menghitung kesalahan peramalan
4. Analaisa Hasil dan penarikan kesimpulan
Menganalisa dan membandingkan metode antara
ARIMA saja dan metode campuran ARIMA-QR.