Tutorial : Forecasting dengan ARIMA menggunakan SAS University Edition (free)

Autoregressive Integrated Moving Average (ARIMA) merupakan salah satu metode statistika yang dapat digunakan untuk meramalkan data deret waktu. Alat bantu pengolahan ARIMA sangat banyak, salah satunya adalah dengan menggunakan SAS. Jika ada yang terkendala dengan lisensi, SAS University Edition (free) dapat dijadikan solusi karena bersifat free. Tahapan instalasi SAS University Edition (free) dapat dilihat pada artikel berikut :

Tutorial : Download dan Instal Software SAS University Edition Gratis

Pada artikel ini akan dijelaskan code sederhana dalam melakukan peramalan menggunakan ARIMA beserta dengan contoh kasus menggunakan SAS University Edition (free). Beberapa sumber yang membahas tentang ARIMA dapat ditemukan pada beberapa sumber berikut :

Makridakis, Spyros., Wheelright, Steven, C., &  McGee, Victor, C. (1999). Metode dan Aplikasi Peramalan. Jakarta: Binarupa Aksara.

Cryer, Jonathan D. & Chan, Kung-Sik. (2008). Time Series Analysisi with Applications in R. Lowa City, Lowa: Springer.

Montgomery, Douglas C., Jennings, Cheryl., & Kulachi, Murat. (2008). Introduction to Time Series Analysis and Forecasting. Hoboken, New Jersey: Willey.

Wei, W. W. S. (2006). Time Series Analysis Univariate and Multivariate Method. Second Edition. New York: Pearson Education.

dan lain-lain.

Tutorial mengenai Analisis Deret Waktu ARIMA pernah dibahas pada artikel lain di laman ini atau kunjungi link berikut :

Tutorial : Tahapan-tahapan Analisis Deret Waktu ARIMA

Contoh data yang digunakan pada artikel ini sama persis dengan artikel pada tutorial di atas. Pada artikel ini, diasumsikan data telah memenuhi syarat Stasioneritas. Syarat stasioneritas dan pengujiannya serta tahapan-tahapannya dapat dilihat pada link berikut :

Tutorial : Uji Stasioneritas Mean menggunakan R

Berikut tahapan-tahapan Peramalan dengan ARIMA menggunakan SAS University Edition (free).

1. Data

2. Jalankan SAS University Edition (free)

Jalankan SAS University Edition sesuai pada tutorial yang telah dijelaskan pada tautan berikut:

Tutorial : Download dan Instal Software SAS University Edition Gratis

3. Input Data

Input serta definisikan data dengan cara copy-paste code berikut ke dalam jendela Code SAS University Edition (free).

data data1;
input y @;
datalines;
57.66
59.04
56.61
56.69
59.43
58.75
59.28
58.35
57.07
56.41
58.97
58.96
60.31
59.20
57.93
61.22
57.62
60.11
60.25
61.52
58.12
60.57
59.31
59.58
58.34
57.02
56.52
56.11
60.46
58.24
56.17
58.13
59.84
61.48
61.25
59.53
61.72
57.09
60.02
58.85
55.50
57.64
53.72
51.00
53.31
56.30
60.06
60.04
53.86
57.40
55.48
54.26
58.81
55.79
54.22
58.93
58.80
60.10
58.95
57.71
;
run;

Seperti pada gambar berikut:

Setelah itu, jalankan perintah dengan klik simbol Run.

Penjelasan :

(1) data data1; = digunakan untuk mendefinisikan nama data yaitu Data1

(2) input y @; = digunakan untuk mendefinisikan nama variabel yaitu Y 

(3) datalines; = digunakan untuk menginputkan data 

(4) run; = digunakan untuk menjalankan Code input data

3. Masukan Perintah Proc ARIMA

Setelah data dan variabel terdefinisi dan berhasil terbaca SAS University Edition (free). Tahap selanjutnya adalah menjalankan prosedur ARIMA dengan cara copy-paste code berikut ke dalam jendela Baru (Tekan F4 pada keyboard) Code SAS University Edition (free).

proc arima data=data1;
identify var=y nlag=24;
estimate p=(1) q=(1) noint method=cls;
forecast printall;
run;

Seperti pada gambar berikut:

Setelah itu, jalankan perintah dengan klik simbol Run.

Hasil:

Penjelasan :

(1) proc arima data=data1; Digunakan untuk memanggil prosedur ARIMA dan data = Data1.  

(2) identify var=y nlag=24; Digunkan untuk melakukan identifikasi awal orde AR dan MA.  

(3) estimate p=(1) q=(1) Digunakan untuk mengestimasi parameter (pada contoh ARIMA (1,0,1)).Pada baris (3), orde P dan Q tergantung pada hasil identifikasi saat baris ke (2).  

(4) noint method=cls; Digunakan untuk memutuskan metode estimasi apa yang digunakan.Metode yang digunakan adalah Conditional Least Square (CLS).  

(5) forecast printall; Digunakan untuk menampilkan hasil prediksi maupun peramalan ke depan.  

(6) run; = digunakan untuk menjalankan Code input data

Penjelasan hasil :

Hasil 1

Pada Hasil 1 di atas menjelaskan tentang identifikasi model awal. Berdasarkan plot ACF dan PACF yang dihasilkan, diduga bahwa data tersebut memiliki orde ARIMA(1,0,1). Oleh karena itu pada tahap estimasi dimasukan order ARIMA(1,0,1).

Hasil 2

Pada Hasil 2 bagian Conditional Least Square Estimation, diperoleh kesimpulan bahwa hanya parameter orde AR(1) yang signifikan. Hal ini akan mengharuskan peneliti untuk menguji ulang model dengan hanya memasukan order ARIMA(1,0,0) dan membandingkan nilai AIC antara ARIMA(1,0,1) dengan ARIMA (1,0,0).

Hasil 3

Hasil 3 menunjukan nilai prediksi maupun peramalan ke dengan dengan menggunakan model ARIMA yang sesuai. Pada tabel Forecast for Variable Y tertera informasi nilai peramalan, standar error, selang kepercayaan, data asli dan juga residual.

***

Demikian artikel mengenai Tutorial : Peramalan dengan ARIMA menggunakan SAS University Edition (free). Masih banyak hal yang dapat dibahas maupun dikembangkan dengan ARIMA. Semoga artikel ini dapat bermanfaat, jika terdapat pertanyaan, saran, maupun kritik, dapat langsung mengunjunngi kolom komentar.

Share on Facebook

Share on Twitter

Share on Google+

Share on LinkedIn