BAB 1
PENDAHULUAN
1.1 Latar Belakang
Berdasarkan sifatnya peramalan terbagi atas dua yaitu peramalan kualitatif dan peramalan kuantitatif. Metode kuantitatif terbagi atas dua yaitu analisis deret berkala
time series dan metode kausal. Analisis deret berkala yaitu peramalan yang didasarkan pada data kuantitatif pada masa lalu dimana hasil ramalan yang dibuat
tergantung dengan metode yang digunakan. Apabila metode yang digunakan berbeda, maka hasil ramalan akan berbeda pula. Metode yang baik adalah metode yang
memberikan nilai perbedaan atau penyimpangan sekecil mungkin antara ramalan dengan data yang sebenarnya. Syarat suatu peramalan kuantitatif harus bisa memenuhi
tiga kondisi yaitu tersedia informasi masa lalu, informasi dapat dikuantitatifkan ke dalam bentuk data numerik serta dapat diasumsikan bahwa pola masa lalu akan
berlanjut pada masa yang akan datang. Secara sederhana tahapan yang harus dilalui dalam perancangan suatu metode peramalan adalah melakukan analisa pada data masa
lampau. Dengan tujuan untuk mendapatkan gambaran pola dari data bersangkutan, memilih metode yang digunakan bertujuan untuk mendapatkan metode yang terbaik
agar dihasilkan penyimpangan sekecil – kecilnya antara hasil peramalan dengan kenyataan yang terjadi serta proses transformasi dari data masa lampau dengan
menggunakan metode yang dipilih.
Analisis deret berkala time series pada model ARIMA adalah deret berkala tunggal univariat. ARIMA Autoregressive Integrated Moving Avarage merupakan
suatu model yang telah dikembangkan lebih lanjut dan diterapkan untuk prediksi. Metode ini dikembangkan oleh Box–Jenkins, sehingga sering disebut sebagai metode
Box-Jenkins, yang mengacu pada dua orang ahli statistika yang telah berhasil mengembangkan dan menyempurnakan metode tersebut. Metode ini merupakan
gabungan dari metode penghalusan, metode regresi dan metode dekomposisi. Metode ini digunakan untuk meramalkan harga saham dan variabel runtun waktu lainnya.
Universitas Sumatera Utara
Model ini mengenai variabel–variabel independen yang digunakan untuk menjelaskan variabel utama dependen tetapi data yang diperlukan harus dalam jumlah yang besar
dan runtun waktu yang panjang.
Sedangkan pada pemodelan fungsi transfer adalah deret berkala berganda multiple untuk model multivariat. Model multivariat dibagi kedalam dua bentuk
yaitu model bivariat yang terdiri dari data yang mempunyai dua deret berkala, sedangkan model multivariat yang terdiri dari lebih dari dua deret berkala. Karena
model fungsi transfer menggabungkan beberapa karateristik analisis regresi berganda dengan karateristik deret berkala ARIMA, maka metode fungsi transfer disebut
sebagai metode yang menggabungkan pendekatan kausal dan deret waktu. Metode kausal yaitu metode yang menggunakan pendekatan sebab akibat dan bertujuan untuk
meramalkan keadaan di masa yang akan datang dan mengukur beberapa variabel bebas yang penting beserta pengaruhnya terhadap variabel tidak bebas yang akan
diramalkan.
Di dalam analisis deret berkala multivariat terdapat berbagai macam model, salah satunya yang dinamakan model fungsi transfer yaitu data yang terdiri dari dua
atau lebih deret berkala. Di dalam konsep fungsi transfer yang terdiri dari deret input dinyatakan dengan X
t
dan deret output dinyatakan dengan Y
t
, dan seluruh pengaruh lain disebut gangguan dinyatakan dengan N
t
melalui beberapa periode yang akan datang. Dalam memahami metode fungsi transfer terlebih dahulu diketahui bahwa
deret berkala output disebut Y
t
yang diperkirakan akan dipengaruhi oleh deret berkala input X
t
dan gangguan N
t.
seluruh sistem tersebut adalah dinamis, dengan kata lain deret input X
t
memberikan pengaruh kepada deret output Y
t
melalui suatu metode yang disebut fungsi transfer yang mendistribusikan dampak X
t
melalui beberapa periode yang akan datang.
Analisis deret berkala multivariat pada model fungsi transfer mempunyai tujuan akhir yaitu menggunakan model fungsi transfer untuk memprediksi nilai Y
t
pada masa yang akan datang. Yang akan penulis lakukan dalam analisis ini adalah
mengidentifikasi bentuk model fungsi transfer, pendugaan parameter – parameter, dan
Universitas Sumatera Utara
uji diagnosa. Dengan mengetahui nilai – nilai tersebut maka dapat digunakan untuk menetapkan nilai periode yang akan datang.
Berdasarkan kondisi diatas, penulis ingin menguraikan cara pemodelan fungsi transfer di dalam analisis deret berkala multivariat agar dapat diterapkan untuk
memprediksi kejadian akan datang. Untuk itu penulis mengambil judul “ Analisis Deret Berkala Multivariat Pada Model Fungsi Transfer “.
1.2 Perumusan Masalah