Estimasi Model Arima Non Musiman Untuk Memprediksi Data Minyak Dunia

Abstract

Mod el ARIMA Non Musiman adalah model Auto Regressive Integrated Moving Average yang merupakan gabungan dari model AR (Autoregressive), MA (Moving Average), dan ARMA (Autoregressive and Moving Average). ARIMA non musiman sering disebut metode runtun waktu Box-Jenkins. metodologi Box-Jenkins, dalam pemodelan ARIMA terdiri atas empat langkah. Pertama langkah preprocessing data dan identifikasi model stasioner. Kedua Estimasi Model. Ketiga adalah diagnostic pengecekan dan pemilihan model terbaik. Dan yang terakhir adalah aplikasi model untuk simulasi, peramalan dan lain-lain. Estimasi model adalah langkah ketiga dari metodologi box-Jenkins. Dengan estimasi model ini akan menentukan hasil prediksi yang terbaik. Jika dalam pemilihan model yang dipilih kurang tepat, maka akan mempengaruhi hasil prediksi yang diperoleh. Dimana hasil prediksi yang diperoleh juga kurang tepat. Oleh karena itu sangat penting untuk mengestimasi model yang terbaik, sehingga hasil prediksi yang diperoleh juga yang terbaik. Prediksi pada penelitian ini, menggunakan data runtun waktu yang mengandung pola non musiman yaitu data harga minyak dunia WTI. Dan diperoleh model estimasi ARIMA(1,1,0) yang merupakan model yang tepat, karena memiliki kriteria SBC/ BIC yang paling minimum yaitu sebesar -390,67. Model ARIMA(1,1,0) ini digunakan untuk prediksi data harga minyak dunia WTI. Dan setelah dibandingkan data hasil prediksi dengan data aktual pada data harga miyak dunia WTI.