ARIMA Model: 1,2,11,2,1 ARIMA Model: 1,2,10,2,1

12 473788 0,327 -1,171 -0,312 0,993 -0,809 0,075 13 377863 0,177 -1,140 -0,358 0,992 -0,690 Type Coef SE Coef T P 0,096 AR 1 -0,2682 0,0959 -2,80 0,006 0,107 14 334533 0,104 -1,055 -0,364 0,991 -0,540 SAR 7 -0,6836 0,1097 -6,23 0,000 0,115 15 306004 0,056 -0,963 -0,353 0,991 -0,390 SAR MA 14 1 -0,2929 0,9634 0,1073 0,0162 -2,73 59,49 0,007 0,000 16 283789 0,019 -0,871 -0,333 0,990 -0,240 SMA 7 0,8702 0,1064 8,18 0,000 Type Coef SE Coef T P AR 1 -0,2686 0,0934 -2,88 0,005 Lag 12 24 36 48 Chi-Square 33,1 58,2 73,0 85,2 DF 7 19 31 43 P-Value 0,000 0,000 0,000 0,000 0,121 0,128 0,126 0,127 0,111 0,111 0,107 17 264784 -0,013 -0,782 -0,307 0,989 -0,090 18 247708 -0,042 -0,698 -0,278 0,988 0,060 19 232465 -0,068 -0,618 -0,245 0,988 0,210 20 214060 -0,102 -0,568 -0,225 0,987 0,360 21 202302 -0,126 -0,503 -0,187 0,986 0,510 22 194442 -0,150 -0,451 -0,152 0,984 0,660 Constant 0,08690 0,02365 3,68 0,000 Differencing: 2 regular, 2 seasonal of order 7 Number of observations: Original series 140, after differencing 124 Residuals: SS = 152733 backforecasts excluded 0,086 0,094 0,087 23 187981 -0,216 -0,534 -0,197 0,980 0,810 24 164269 -0,257 -0,660 -0,281 0,974 0,829 25 158393 -0,268 -0,684 -0,293 0,963 0,870 MS = 1294 DF = 118 Modified Box-Pierce Ljung-Box Chi-Square statistic Convergence criterion not met after 25 Lag 12 24 36 48 iterations Chi-Square 16,8 33,2 47,4 60,0 DF 6 18 30 42 P-Value 0,010 0,016 0,023 0,036 Final Estimates of Parameters

7. ARIMA Model: 1,2,11,2,1

7 Estimates at each iteration Iteration SSE Parameters -0,016 17 158922 -0,269 -0,517 0,943 0,882 -0,148 -0,054 -0,028 -0,010 -0,001 0,002 0,001 0,010 -0,017 -0,052 -0,093 -0,115 -0,098 -0,053 -0,036 -0,028 -0,012 0 1509406 0,100 0,100 0,100 0,100 1 842359 0,014 -0,050 0,187 0,250 2 749511 0,115 0,032 0,337 0,399 3 661558 0,207 0,084 0,487 0,520 4 574661 0,287 0,112 0,637 0,620 5 488587 0,351 0,112 0,787 0,697 6 395017 0,381 0,088 0,937 0,768 7 376724 0,306 0,024 0,987 0,805 8 283176 0,156 -0,087 0,986 0,819 9 231032 0,006 -0,199 0,983 0,872 10 227648 -0,144 -0,331 0,973 0,943 11 171385 -0,263 -0,479 0,966 0,903 12 162462 -0,275 -0,509 0,944 0,908 13 159641 -0,277 -0,513 0,932 0,895 14 159154 -0,269 -0,514 0,945 0,889 15 159112 -0,273 -0,517 0,936 0,889 16 159035 -0,266 -0,517 0,948 0,883 Unable to reduce sum of squares any further Final Estimates of Parameters SAR 7 -0,5172 0,0865 -5,98 0,000 MA 1 0,9431 0,0485 19,43 0,000 SMA 7 0,8823 0,0991 8,90 0,000 Constant -0,01640 0,04068 -0,40 0,688 Differencing: 2 regular, 2 seasonal of order 7 Number of observations: Original series 140, after differencing 124 Residuals: SS = 153296 backforecasts excluded MS = 1288 DF = 119 Modified Box-Pierce Ljung-Box Chi-Square statistic

8. ARIMA Model: 1,2,10,2,1

7 Estimates at each iteration Iteration SSE Parameters 0 1315850 0,100 0,100 0,100 -0,165 1 967473 0,048 0,152 0,250 -0,106 SE Coef T P 0,0913 -3,75 0,000 0,0637 14,84 0,000 Iteration SSE 1640545 0,100 0,9814 0,0155 63,40 0,000 0,0014 0,1079 0,01 0,990 2 890004 0,163 0,302 0,290 -0,077 3 817887 0,272 0,452 0,327 -0,051 4 747403 0,375 0,602 0,365 -0,030 5 671278 0,464 0,752 0,407 -0,014 6 579623 0,528 0,902 0,465 -0,003 7 499118 0,511 0,977 0,521 0,000 8 374917 0,361 0,976 0,660 -0,009 9 291047 0,224 0,973 0,810 -0,016 10 279274 0,074 0,961 0,946 -0,040 11 235305 -0,076 0,958 0,942 -0,045 12 211599 -0,226 0,950 0,937 -0,052 13 207147 -0,336 0,934 0,934 -0,054 14 206682 -0,336 0,948 0,931 -0,042 15 206628 -0,341 0,944 0,929 -0,043 16 206594 -0,343 0,945 0,929 -0,038 Unable to reduce sum of squares any further Final Estimates of Parameters Type Coef AR 1 -0,3428 MA 1 0,9449 SMA 7 0,9291 0,1010 9,20 0,000 Constant -0,03795 0,07252 -0,52 0,602 Differencing: 2 regular, 2 seasonal of order 7 Number of observations: Original series 140, after differencing 124 Residuals: SS = 198817 backforecasts excluded MS = 1657 DF = 120 Modified Box-Pierce Ljung-Box Chi-Square statistic Lag 12 24 36 48 Chi-Square 77,7 119,3 143,9 168,3 DF 8 20 32 44 P-Value 0,000 0,000 0,000 0,000

9. ARIMA Model: 1,2,12,2,0

Dokumen yang terkait

Prediksi Temporal untuk Kemunculan Titik Panas di Provinsi Riau Menggunakan Autoregressive Integrated Moving Average (ARIMA)

1 13 30

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO.

0 3 6

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO - Repositori Universitas Andalas

0 0 1

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO - Repositori Universitas Andalas

0 0 1

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO - Repositori Universitas Andalas

0 2 4

Peramalan Indeks Harga Saham Perusahaan Finansial LQ45 Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) dan Vector Autoregressive (VAR)

0 2 6

STUDI PERAMALAN (FORECASTING) KURVA BEBAN HARIAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE(ARIMA)

0 1 9

PERAMALAN JUMLAH MAHASISWA BARU DENGAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

1 1 14

Penggunaan Metode ARIMA (Autoregressive Integrated Moving Average) untuk Prakiraan Jumlah Permintaan Gula Rafinasi (Studi Kasus: PT. Makassar Tene) - Repositori UIN Alauddin Makassar

0 0 92

PEMBUATAN APLIKASI PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE TIME SERIES AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DEVELOPING APPLICATION FOR FORECASTING INDONESIA COMPOSITE INDEX USING AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

0 1 147